基因差异分析中使用的统计工具包括edger、Deseq2和limma及其应用总结

基因差异分析中常用的主要R包包括edgeR、Deseq2以及limma（其中limma常作为edgeR的一部分使用）。那么，在分析过程中各软件会有各自的处理方式。接收的数据格式以及样本数量方面存在差异。主要如下：

主要围绕使用 limma 包来进行差异分析的研究工作。主要参考了以下博客：https://cloud.tencent.com/developer/article/1667505（R语言中的 limma 包用于差异基因分析）

关于limma包的知识介绍如下：
limma主要用于处理来自芯片或RNA-Seq的基因表达数据。
它的核心功能是利用线性模型评估多因子实验中的差异表达。
特别适合小样本量的数据差异性分析。
专为处理复杂的多变量和预测因素设计。
这种线性的模型结合差异分析的方式使其广泛应用于芯片、RNA-seq 和定量PCR的数据。
在进行线性建模之前先计算每个观察值对应的log2-counts per million（Log CPM）并估计均值与方差的关系，
从而确定每个观察值应赋予的具体权重以优化后续建模过程。

R包的安装

    BiocM