【FindAllMarkers】Seruat鉴定差异表达基因的方法与P值的理解

最新推荐文章于 2026-03-28 09:39:08 发布

原创

最新推荐文章于 2026-03-28 09:39:08 发布 · 1.8w 阅读

标签

#R #FindAllMarker #差异表达分析 #P值 #P adjust value

收录于

本文介绍了Seurat中的差异表达分析工具FindAllMarkers的使用，包括其在RNAassay和SCTassay上的应用，以及P值与Padjust值的区别，重点讲解了假设检验和Bonferroni校正在控制多重比较误差中的作用。

差异表达分析

seruat中差异表达分析的函数主要有两个：FindAllMarkers()和FindMarkers()，前者是比较一个cluster与所有其他cluster之间的基因表达，后者比较两个特定cluster之间的基因表达。

用法简单示例

在RNA assay上做差异表达分析：seruat对象切换到RNA assay，对原始的基因counts矩阵进行NormalizeData和ScaleData，获取归一化的seurat_obj[['RNA]]@data后（对应参数slot = "data"），进行差异基因分析。（推荐）
直接在SCT assay上做差异表达分析

设置FindAllMarkers的参数only.pos=True，表示只保留当前cluster阳性表达的基因

# lognormalize预处理
DefaultAssay(pbmc)<-"RNA"
pbmc.markers<-findAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25, logfc.threshold = 0.25)

#sctransform预处理
# method1
DefaultAssay(pbmc)<-"RNA"
pbmc<- NormalizeData(pbmc)
all.genes<- rownames(pbmc )
pbmc<-5caleData(pbmc,features =all.g