3. DESeq 对象构建与 DESeq 函数核心参数：test、fitType、betaPrior 归纳总结
当你手里有一张干净的计数矩阵和实验设计表之后，下一步就是构建 DESeq 对象，然后跑 DESeq() 这个核心函数。很多人以为这步就是「点一下运行」，但事实上，三个关键参数——test、fitType、betaPrior——直接决定了差异基因的统计结果和后续可视化效果。
我接触过的项目里，有不止一次因为用了默认参数而错过重要生物学信号。比如某个 scRNA-seq 的模拟数据，用了默认 test="Wald" 就没检出某个已知的 marker 基因，换成 LRT 一下就出来了。你想想看，这要是没注意到，后面结论全歪了。
3.1 三个参数到底干啥的？
先把它们拆开看：
| 参数 | 默认值 | 影响范围 |
|---|---|---|
test |
"Wald" |
差异检验的统计方法 |
fitType |
"parametric" |
离散度–均值关系的拟合方式 |
betaPrior |
TRUE（当设计为多因子且无交互时） |
对数倍数变化的先验收缩强度 |
这三个参数在 DESeq() 函数里的调用方式很简单：
dds <- DESeq(dds, test="Wald", fitType="parametric", betaPrior=TRUE)但具体怎么选，咱们得一个一个看。
3.2 test 参数：Wald 还是 LRT？
Wald 检验是默认的。它会基于最大似然估计的系数和标准误，直接计算每个基因的 p 值。适合简单的两组比较，速度快，输出直接。但有个坑——它依赖标准误的准确估计。如果你的样本量极小（比如只有 3 个样本），或者数据离散度异常，Wald 结果可能会膨胀假阳性。
LRT（似然比检验）则需要你提供一个简化模型（reduced formula）。它会比较完整模型和简化模型的拟合优度，用来检验多个系数是否同时为零。适合多因子设计、时间序列或交互效应。我在做一个时间点 vs 对照的实验时，用了 LRT 一次性检测所有时间点的变化，避免逐对比较的多次检验校正问题。
举个例子：假设你的 design 是 ~ treatment + time，想检验 treatment 效应是否显著：
dds_full <- DESeq(dds, test="LRT", reduced=~ time)
results(dds_full)注意：LRT 必须指定 reduced 参数，否则报错。
3.3 fitType 参数：离散度拟合的“发动机”
DESeq2 的核心创新之一是根据基因表达均值来估计离散度（dispersion）。fitType 决定了用哪种曲线去拟合均值–离散度关系。
parametric（默认）：用一个参数化的代数函数（类似a/mean + b）去拟合。效果稳定，在大多数 RNA-seq 数据上表现良好。但如果你的数据有严重批次效应或异常值，拟合曲线可能走偏。local：用局部加权回归（loess）去拟合，更灵活。我记得在一个酵母细胞周期数据上，因为样本间的离散度差异非常大，用 parametric 拟合出的曲线跟实际散点差很远，换成 local 就紧跟数据了。mean：直接用每个基因的离散度等于该均值组的平均离散度（不依赖曲线）。极少用，除非 param 和 local 都报错。
怎么选？看诊断图：跑完 DESeq() 后，用 plotDispEsts(dds) 画一下。如果红色的拟合线被大部分黑点（基因）包裹，说明拟合 ok；如果拟合线明显偏离了云团，就换 fitType。
3.4 betaPrior 参数：要不要给 log2FC 戴个“紧箍咒”？
betaPrior 控制是否对对数倍数变化（log2 fold change）施加先验收缩。默认是 TRUE（当设计中无交互项时）。它的作用是：那些表达量很低或波动很大的基因，它们算出的 log2FC 往往极端不靠谱（比如 log2FC = 20），先验会把它们往 0 方向拉一拉。
什么时候改成 FALSE？
- 你的设计中有交互项（比如
~ treatment*time），因为交互项的稀疏性，先验可能产生收缩偏差。 - 你想直接用 log2FC 做排序或 GSEA，不希望任何收缩影响。
- 样本量大（比如每组 20+），离散度估计本身就很稳定，收缩可有可无。
但注意：关闭先验后，低表达基因的 log2FC 会非常“跳”，后续 MA 图上会看到很多毛刺。
# 关闭先验的例子
dds <- DESeq(dds, betaPrior=FALSE)betaPrior。
3.5 知识结构图：三个参数如何影响 DESeq 对象
3.6 参数选择速查表
| 场景 | 推荐 test | 推荐 fitType | 推荐 betaPrior |
|---|---|---|---|
| 两组比较（例：Tumor vs Normal） | Wald | parametric（默认） | TRUE（默认） |
| 多组比较 / 时间序列 | LRT（需指定 reduced） | local（若离散度拟合不佳） | TRUE（默认） |
| 有交互项设计（如 treatment*time） | Wald 或 LRT | parametric | FALSE（避免收缩偏差） |
| 样本量极大（每组 > 20） | Wald | parametric | FALSE（可不收缩） |
| 极低表达基因过多（如 scRNA-seq 模拟） | LRT | local | TRUE（收缩稳住极端 log2FC） |
好了，这章的内容就是这么多。记住这三个参数不是摆设，每个都值得你花几分钟去理解它们在做什么。下次跑 DESeq() 之前，先问自己：我这次实验设计需要 LRT 吗？离散度拟合靠谱吗？log2FC 需要收缩吗？想清楚了再点运行。