课程简介与学习目标
做组学数据分析，最头疼的是什么？我个人觉得，不是差异基因找不出来，而是——同样一批样品，换个归一化方法，结果就变了。转录组和蛋白质组各搞各的归一化，最后想联合分析，发现数据根本对不上。嗯，这个坑我踩过不止一次。
这门课就是来填坑的。我把多年积累的实战经验拆成30章，带着你从原理到代码，把转录组和蛋白质组的归一化彻底搞明白。咱们不聊虚的，直接动手调参数、看结果、踩坑、填坑。
为什么归一化这么重要？
你想想看，测序深度不一样、上样量不一样、批次效应不一样……这些技术差异带来的噪声，会直接把生物信号淹没。归一化的本质，就是用数学手段把这些技术差异抹掉，让不同样本、不同组学之间能真正可比。
举个真实的例子：我当年做一批肿瘤组织样本，转录组测了30个，蛋白质组测了18个。直接用原始counts做差异分析，发现一个基因RNA水平上调，蛋白水平却下调。后来复盘才发现——RNA-seq文库深度差了3倍，而蛋白质组的上样量也控制不匀。重新用TMM和iBAQ归一化后，那个矛盾点就消失了。所以，归一化不是可选项，是必选项。
转录组数据的特点
- 离散型：测序得到的read counts是整数，服从负二项分布
- 动态范围宽：高表达基因和低表达基因可能差几个数量级
- 长度偏差：长基因比短基因更容易被检测到，必须用RPKM/FPKM/TPM校正
蛋白质组数据的特点
- 连续型：质谱强度值一般是浮点数，缺失值多
- 肽段到蛋白的推断：同一个蛋白可能对应多个肽段，怎么聚合是个问题
- 标记与非标记：TMT/iTRAQ是标记定量，LFQ是无标记定量，归一化逻辑完全不同
核心差异一句话：转录组是“数数”问题，蛋白质组是“称重”问题。归一化策略必须因“材”施教。
课程学习目标
这门课学完，你能做到以下五件事：
- 理解原理：不只会调用函数，还能说出每个归一化方法背后的统计假设
- 选择方法：面对自己的数据，能快速判断该用RPKM还是TPM，用LFQ还是iBAQ
- 动手实现：用R和Python写出从原始数据到归一化矩阵的完整流程
- 诊断问题：归一化效果好不好？能画图检查，能识别异常样本
- 跨组学整合：能把转录组和蛋白质组归一化到同一个量纲上，做联合分析
课程知识体系总览
下面这张图概括了整门课的核心内容。别急着看懂所有细节，先有个整体印象——归一化不是孤立操作，它贯穿了从数据预处理到统计推断的每一步。
学习路线建议
我自己带团队做培训时，发现大家最常犯的错误就是贪多嚼不烂。所以我建议你按这个节奏走：
| 阶段 | 章节 | 重点 |
|---|---|---|
| 基础认知 | 1–4 | 理解数据特点、归一化概念、评价指标 |
| 转录组实战 | 5–12 | 从counts到TPM，再到TMM和DESeq2归一化 |
| 蛋白质组实战 | 13–20 | MaxQuant输出处理、LFQ和TMT归一化 |
| 跨组学整合 | 21–26 | 批次校正、尺度对齐、联合差异分析 |
| 总结与答疑 | 27–30 | 综合案例、常见问题、代码库构建 |
给新手的一个建议：不要跳过基础认知部分直接抄代码。我曾经遇到过学员，用了四行R代码跑完归一化，结果把两组样本的均值给强行拉到一样，生物差异全丢了。你先弄明白每个参数在做什么，再去调它。
前置知识要求
不需要你是生信专家，但得具备以下基本功：
- 基本的R或Python编程（能读数据、写循环、画图）
- 对转录组/蛋白质组实验流程有个大概了解（知道FASTQ和RAW文件长什么样就行）
- 基础的统计学概念（均值、方差、正态分布、p值）
如果哪块不熟，我在每章里都会附上简要的背景说明。别担心，咱们边做边学。
课程配套资源
每一章都提供：
- 可复现代码（R Markdown / Jupyter Notebook）
- 模拟数据集（保证能跑通）
- 真实公开数据子集（GEO / PRIDE）
- 常见报错及解决方案
注意：代码我尽量用最新版R 4.2+和Python 3.9+写。但不同系统、不同Bioconductor版本可能导致细微差异。如果你遇到诡异报错，先检查版本，再回来翻这章的“避坑指南”部分——我把自己踩过的十几个坑都写进去了。
好了，第一扇门已经推开。接下来我们会逐步进入每个归一化方法的内部，看看它们到底在算什么，以及——什么时候该用，什么时候不该用。