1. 从静态对比到动态轨迹
各位同学，咱们先聊聊这门课到底要干嘛。
传统的RNA-seq差异表达分析，大家应该不陌生。就是取两个样本，一个处理组、一个对照组，跑个DESeq2或edgeR，输出一张火山图，标出上调下调的基因。完事。
但时间序列不一样。你取样不是一次，而是多个时间点——比如0h、2h、6h、12h、24h。这时候你要问的问题变了：基因表达量是怎么随时间变化的？哪些基因出现“先升后降”？哪些基因只在某个特定窗口期激活？
说实话，我见过不少同学跑完普通差异分析就想套用到时间序列数据上。结果呢？画出几十条杂乱曲线，完全看不出生物学规律。嗯，这就是这门课要解决的核心痛点。
1.1 课程定位与目标
这门课不是教你点“一键跑完”的傻瓜操作。它面向的是已经掌握基础RNA-seq分析、但面对时间序列数据感到束手无策的你。
目标是——我总结一下你学完后能做什么：
- 理解时间序列数据的特有统计陷阱（比如时间点之间的相关性你考虑过吗？）
- 学会至少三种分组模式策略（软聚类、有序因子、样条拟合）
- 独立完成从表达量矩阵到发表级可视化图表的全流程
- 识别假阳性趋势（说白了就是别被噪音带跑偏）
1.2 RNA-seq差异表达基础
快速回顾一下。常规差异表达的核心是——计数矩阵 vs 分组变量。模型是负二项分布，假设每个基因的离散程度独立估计。
我早年做RNA-seq分析时，最头疼的就是样本批次效应。有一次跑时间序列数据，前两个时间点在一个测序批次，后三个在另一个批次，结果全基因组出现“假时间趋势”。你想想看，这种坑如果没认知，输出图再漂亮也是废的。
基础分析流程可以概括成四步：
| 步骤 | 工具/方法 | 输出 |
|---|---|---|
| 1. 比对/定量 | STAR, Salmon, kallisto | 基因表达计数矩阵 |
| 2. 质量控制 | FastQC, MultiQC, PCA | 样本聚类图、GC含量分布 |
| 3. 差异检验 | DESeq2, edgeR, limma | 基因列表 + log2FC + p值 |
| 4. 可视化 | ggplot2, pheatmap | 火山图、热图、箱线图 |
对于时间序列，步骤1-2完全一样。区别出在步骤3和4——你不能再用简单的“两两对比”来处理了。
1.3 时间序列带来的新挑战
好，现在来看看时间序列数据到底特殊在哪。
挑战一：时间点不是独立样本。同一个细胞群在不同时间的表达量是相关的。上一时点的状态会影响下一时点。如果你还用独立样本假设去算p值，那会严重低估假阳性率。
挑战二：趋势不是单调的。基因可能早中晚表达高峰都在不同阶段。用fold change阈值一刀切，你根本抓不住“中间激活、后程回落”的基因。
挑战三：缺失时间点如何处理？我遇到过最糟糕的情况——一个时间点只有1个生物学重复。大多数统计包直接报错或用近似，但必须人工干预。
我的个人经验：在项目开始前，先画一张整体趋势猜想图。基于文献或前期qPCR数据，大致列出你认为会出现的几种表达模式（持续上升、先升后降、波动等）。这能帮你后续验证聚类结果是否合理。
1.4 本章知识结构
这一章我们搭建认知框架。下面这张图概括了时间序列RNA-seq可视化分析需要涵盖的四大板块：
1.5 你需要具备的技能树
在进入具体实战前，我建议你对照下表自我评估一下。不用全部精通，但至少要有基础操作能力。
| 技能领域 | 最低要求 | 推荐掌握程度 |
|---|---|---|
| Linux基础 | 能运行命令、使用conda | 会写Shell脚本批量处理文件 |
| R语言 | 会安装包、画基础ggplot | 熟悉tidyverse、能自定义主题 |
| 统计学 | 理解p值、方差分析 | 了解混合效应模型、时间序列分解 |
| 生物信息学 | 跑过标准RNA-seq流程 | 了解GTF注释、比对算法差异 |
注意：如果你对R语言的基本操作还不太熟练，比如不知道如何从data.frame里按条件筛选行、不会用dplyr的group_by+summarise、看不懂ggplot2的aes映射，那建议先花两天补一下基础。否则后面代码示例你可能会卡住——我之前就有学员因为看不懂管道操作符 %>% 直接放弃了课程，挺可惜的。
好了，第一章的目标就一个：让你对时间序列RNA-seq的完整图景有一个框架性认识。后面的29章，我们会对模块A到模块D逐一深入，从代码到实践，彻底掌握。