04 工具选择：同一件事 5 个工具怎么选

差异分析可以用 DESeq2、edgeR、limma-voom、NOISeq、baySeq；富集分析可以用 clusterProfiler、DAVID、Enrichr、g:Profiler、WebGestalt；生存分析可以用 survival、survminer、rms、penalized、glmnet。面对这么多选择，新手要么随便选一个（"师兄用的 DESeq2 我也用"），要么全部跑一遍然后不知道报哪个。

这一章不是要告诉你"哪个工具最好"——没有最好的工具，只有最适合你的数据和问题的工具。我要给你的是一个决策框架：面对多个选择时，如何系统性地做出合理的决定，并在文章中说明你的选择理由。

决策框架：四维评估

选择工具时考虑四个维度：

维度	核心问题	权重
数据适配性	这个工具的统计假设和我的数据匹配吗？	最高
方法学成熟度	这个工具经过了充分的基准测试吗？	高
社区支持	文档好不好？出了问题能不能找到答案？	中
可复现性	版本稳定吗？长期维护吗？	中

数据适配性是第一优先级。 一个统计假设和你的数据不匹配的工具，即使再流行、文档再好，也不应该用。比如 DESeq2 假设大部分基因不差异表达——如果你的实验设计导致大部分基因都变了（如药物处理 vs 对照），这个假设就不成立，应该考虑其他方法。

场景一：差异表达分析——DESeq2 vs edgeR vs limma-voom

这是组学分析中最常见的选择题。三个工具都能做 RNA-seq 差异分析，都基于类似的统计框架（广义线性模型 + 负二项分布），但在细节上有重要差异。

核心差异：

特性	DESeq2	edgeR	limma-voom
离散度估计	基因级 + shrinkage	基因级 + tagwise	均值-方差趋势
小样本表现	好（shrinkage 强）	中等	较差（需要足够样本估计趋势）
大样本表现	好	好	好（且速度最快）
复杂设计	支持（但语法不如 limma 灵活）	支持	最灵活（继承 limma 的 design 语法）
速度	慢（10000 基因 × 100 样本 ~5 分钟）	中等	快（同样数据 ~30 秒）
默认输出	含 shrinkage 的 log2FC	原始 log2FC	原始 log2FC
引用量	最高（>50000）	高（>30000）	高（>30000）

选择建议：

• 样本量 < 5 per group： DESeq2。它的 shrinkage 在小样本时最有效，能稳定离散度估计。
• 样本量 5-20 per group： 三个都可以，结果通常高度一致。选你最熟悉的。
• 样本量 > 50 per group： limma-voom。速度优势明显，且大样本下三者结果几乎相同。
• 复杂实验设计（多因素、交互效应、repeated measures）： limma-voom。它的 design matrix 语法最灵活，支持任意复杂的线性模型。
• 需要 shrinkage log2FC（如做 GSEA 排序）： DESeq2。它的 apeglm shrinkage 是目前最好的 log2FC 估计方法。

在文章中怎么说明选择理由：

"Differential expression analysis was performed using DESeq2 (v1.48.2), which was chosen for its robust performance with moderate sample sizes and its built-in log2 fold change shrinkage using the apeglm method."

一句话就够了。不需要长篇论证为什么不用 edgeR——审稿人不会因为你用了 DESeq2 而不是 edgeR 来质疑你。

场景二：富集分析——ORA vs GSEA vs ssGSEA

富集分析的工具选择比差异分析更复杂，因为不同方法回答的是不同的问题。

三种方法的本质区别：

ORA（Over-Representation Analysis）： 输入是一个基因列表（如差异基因），问"这个列表中某个通路的基因是否比预期多？"。代表工具：clusterProfiler 的 enrichGO()/enrichKEGG()。

GSEA（Gene Set Enrichment Analysis）： 输入是全部基因的排序列表（按 log2FC 或 p 值排序），问"某个通路的基因是否倾向于出现在列表的顶部或底部？"。代表工具：clusterProfiler 的 gseGO()/gseKEGG()。

ssGSEA（single-sample GSEA）： 对每个样本单独计算每个通路的活性分数，输出是"样本 × 通路"的矩阵。代表工具：GSVA 包。

方法	输入	输出	适用场景
ORA	基因列表	显著通路列表	有明确的差异基因列表时
GSEA	排序的全基因列表	显著通路 + NES + leading edge	不想设阈值、想看整体趋势时
ssGSEA	表达矩阵	样本级通路活性分数	需要把通路活性当变量用时（如和临床关联）

选择建议：

• 标准差异分析后做功能注释： ORA 和 GSEA 都做。ORA 看"差异基因富集在哪些通路"，GSEA 看"哪些通路整体有方向性变化"。两者互补，不是二选一。
• 想把通路活性和临床变量关联： ssGSEA。它给每个样本一个分数，可以做相关分析、生存分析。
• 差异基因太少（< 50 个）： 优先用 GSEA。ORA 在基因列表太短时统计功效很低。
• 差异基因太多（> 3000 个）： ORA 可能给出太多显著通路。考虑用更严格的阈值筛选差异基因，或者用 GSEA 看整体趋势。

一个常见错误： 用 ORA 时把全基因组（20000 个基因）作为背景。正确的背景应该是"你检测到的所有基因"（即通过了表达过滤的基因，通常 12000-16000 个）。用错误的背景会导致 p 值偏小，产生假阳性。

# 正确：用检测到的基因作为背景
ego <- enrichGO(gene = deg_list,
                universe = all_detected_genes,  # 不是全基因组！
                OrgDb = org.Hs.eg.db,
                ont = "BP",
                pAdjustMethod = "BH",
                pvalueCutoff = 0.05)

场景三：生存模型——Cox vs LASSO Cox vs Random Survival Forest

预后分析中模型选择的核心问题是：你有多少候选变量，样本量有多大？

三种方法的定位：

方法	候选变量数	样本量要求	输出	可解释性
标准 Cox	< 10	EPV > 10	HR + p 值	高
LASSO Cox	10-1000	EPV > 2-5	系数（含变量选择）	中
Random Survival Forest	任意	> 100 events	变量重要性	低

EPV（Events Per Variable） 是生存分析中的关键概念：事件数（死亡数）除以模型中的变量数。EPV < 10 时标准 Cox 的估计不稳定；LASSO 通过正则化可以在 EPV 较低时工作，但 EPV < 2 时任何方法都不可靠。

选择建议：

• 验证已知的临床变量（age、stage、grade）： 标准 Cox。变量少、解释清晰、审稿人最熟悉。
• 从几百个候选基因中筛选 signature： LASSO Cox。自动做变量选择，输出稀疏模型。
• 探索性分析，想看哪些变量最重要： Random Survival Forest。不需要预设模型形式，能捕捉非线性效应。但结果不如 Cox 容易解释，审稿人可能不熟悉。
• TCGA-LIHC 项目的典型流程： 单因素 Cox 初筛 → LASSO Cox 建模 → 标准多变量 Cox 验证独立性。三种方法各司其职。

一个实际的 EPV 计算：

TCGA-LIHC: 365 个 tumor 样本，130 个死亡事件
如果 LASSO 选出 15 个基因：EPV = 130/15 ≈ 8.7（可接受）
如果 LASSO 选出 30 个基因：EPV = 130/30 ≈ 4.3（偏低，考虑用 lambda.1se）
如果标准 Cox 放 15 个变量：EPV = 130/15 ≈ 8.7（低于推荐的 10，结果不稳定）

场景四：聚类分析——层次聚类 vs K-means vs 共识聚类

单细胞分析中聚类工具的选择更复杂（Seurat vs Scanpy vs SC3...），但在 bulk 组学中，聚类主要用于样本分型或基因模块识别。

三种方法的核心差异：

方法	需要预设 K？	对异常值敏感？	结果稳定性	适用场景
层次聚类	否（但需要选 cut height）	是	中等	探索性分析、热图可视化
K-means	是	是	低（依赖初始化）	大样本、球形簇
共识聚类（ConsensusClusterPlus）	否（自动评估最优 K）	否	高	分子分型、需要稳健结果时

选择建议：

• 画热图时的样本/基因排序： 层次聚类（ward.D2 方法）。它和热图天然配合，且不需要预设 K。
• 肿瘤分子分型（如 iCluster）： 共识聚类。它通过多次重采样评估聚类的稳定性，给出最优 K 的建议。审稿人对分子分型的结果要求高，共识聚类的稳健性是必要的。
• WGCNA 基因模块识别： WGCNA 内置的动态树切割（dynamic tree cut）。不要用 K-means 替代——WGCNA 的模块定义基于拓扑重叠矩阵，和 K-means 的假设不兼容。

场景五："都跑一遍"策略的正确用法

有时候审稿人会问"你为什么用 DESeq2 而不是 edgeR？"。一种应对策略是"都跑一遍，报告一致的结果"。但这个策略有正确和错误的用法。

正确用法：作为 robustness check。

在 Supplementary 中展示多工具对比结果（如三工具 Venn 图），说明核心发现不依赖于特定工具的选择。主文中报告一个工具的结果，Supplementary 中展示一致性。

# 在 Supplementary 中报告
cat(sprintf("Core findings were robust across methods: %d genes were 
identified as significant by all three tools (DESeq2, edgeR, limma-voom), 
representing %.1f%% of DESeq2 results.",
length(consensus), length(consensus)/length(deseq2_deg)*100))

错误用法：cherry-picking。

跑了三个工具，只报告结果"最好看"的那个（比如差异基因最多的、p 值最小的）。这本质上是 p-hacking 的变体——你增加了分析自由度但没有做相应的校正。

错误用法：报告并集。

把三个工具的结果取并集（"至少一个工具显著的基因"），声称这是"comprehensive"的结果。实际上这等于放宽了显著性标准——并集中包含了大量只被一个工具检测到的低可信度基因。

正确的多工具策略：

1. 预先确定主分析工具（基于四维评估框架），在 Methods 中说明选择理由
2. 用其他工具做 sensitivity analysis，放在 Supplementary
3. 报告交集作为高可信度结果，报告主工具的完整结果作为主要结果
4. 如果不同工具给出矛盾结果，在 Discussion 中讨论可能的原因

工具选择的元原则

超越具体场景，有几条通用原则：

原则一：选择和你的数据假设匹配的工具。 这比选择"最流行"或"最新"的工具重要得多。一个假设不匹配的工具，即使引用量再高，也会给出错误结果。

原则二：选择你能理解的工具。 如果你不理解一个工具在做什么，你就无法判断它的输出是否合理。用一个你理解的"简单"工具，比用一个你不理解的"高级"工具更安全。

原则三：选择有活跃维护的工具。 一个 3 年没更新的 R 包可能有未修复的 bug，且可能和新版本的 R/Bioconductor 不兼容。检查 GitHub 的最近 commit 时间和 issue 响应速度。

原则四：选择审稿人认可的工具。 这是一个现实考量。如果你用了一个非常小众的工具，审稿人可能不熟悉，会要求你用主流工具重新做。除非你有很强的理由（如主流工具确实不适合你的数据），否则优先选择领域内公认的标准工具。

原则五：记录你的选择理由。 不管选了什么，在 Methods 或 Supplementary 中简要说明为什么。这不仅帮助审稿人理解你的决策，也帮助未来的你（或你的同事）理解为什么当时做了这个选择。

常见坑

• "师兄用什么我就用什么"：师兄的数据和你的数据可能完全不同。师兄做的是 3 vs 3 的小样本，用 DESeq2 合理；你做的是 TCGA 300+ 样本，limma-voom 可能更合适。正确做法：理解每个工具的适用条件，基于自己的数据特征做选择。

• 追新不追稳：看到一篇新论文发布了一个"性能更好"的新工具，立刻切换过去。但新工具可能有未发现的 bug、文档不完善、社区支持少。正确做法：新工具观望 1-2 年，等社区验证过之后再考虑。除非新工具解决了你用旧工具确实遇到的问题。

• 把"结果不同"等同于"有一个是错的"：DESeq2 找到 2000 个差异基因，edgeR 找到 1800 个，limma 找到 1600 个——这不意味着有工具"错了"。不同工具的统计模型不同，对同一数据的灵敏度/特异度平衡不同。正确做法：关注交集（高可信度）和差集（需要额外验证），不要纠结于"谁对谁错"。

• 用错误的输入格式：DESeq2 要求 raw counts，limma-voom 也要求 raw counts（内部做 voom 转换），但有人把 TPM 或 FPKM 喂给 DESeq2——这会导致完全错误的结果。正确做法：仔细阅读工具文档的 Input 部分，确认输入格式正确。

• 忽略工具的默认参数：DESeq2 默认用 Wald test，但在多组比较时应该用 LRT；clusterProfiler 默认的 pvalueCutoff 是 0.05，但有时候你需要调整。正确做法：不要盲目接受默认参数，理解每个关键参数的含义，根据你的分析目标调整。

下一步

接着深入： 工具选好了、分析做完了，最后一个判断是：这些结果中哪些值得写进论文？05 写作判断：哪些结果可以写、哪些不能写 会用 5 个场景训练你的发表判断力。

横向延伸： 如果你想看多工具对比的具体代码实现，可以看 06 验证与对比 中 DESeq2 vs edgeR vs limma-voom 的完整对比流程。

参考资源

• Soneson C, Robinson MD (2018) "Bias, robustness and scalability in single-cell differential expression analysis." Nature Methods 15:255-261. 虽然是单细胞的，但其基准测试框架对 bulk 工具选择也有参考价值。
• Schurch NJ et al. (2016) "How many biological replicates are needed in an RNA-seq experiment and which differential expression tool should I use?" RNA 22:839-851. 不同样本量下 DESeq2/edgeR/limma 的系统比较。
• Tarca AL et al. (2013) "A comparison of gene set analysis methods in terms of sensitivity, prioritization and specificity." PLoS ONE 8:e79217. 富集分析方法的系统比较。
• Harrell FE Jr (2015) Regression Modeling Strategies. Springer. 生存分析模型选择的经典教材，EPV 概念的来源。
• Wilkerson MD, Hayes DN (2010) "ConsensusClusterPlus: a class discovery tool with confidence assessments and item tracking." Bioinformatics 26:1572-1573. 共识聚类方法论文。