📚 课程目录第4章基本结果提取

4. 基本结果提取：results函数参数（contrast、alpha、lfcThreshold）

跑完 DESeq2 分析，拿到 dds 对象之后，最核心的一步就是提取差异表达结果。

说白了，results() 就是咱们的「数据筛子」。你希望从几万个基因里捞出哪些？这个函数的几个参数直接决定了你的输出长啥样。

我最早用 DESeq2 时，总觉得这步很简单——直接调用 results(dds) 就行。结果后来发现，同一个项目，同事跑出来的基因列表跟我完全不一样……嗯，那才意识到参数设置有多关键。

4.1 contrast 参数：指定你要比较哪两组

contrast 是 results() 里我使用最频繁的参数。

它解决了什么问题？你的实验设计可能有多个分组（比如：Control、Treatment_A、Treatment_B）。你总不能把所有组混在一起比。你需要明确告诉 DESeq2：我要看的是「哪两个组之间的差异」。

contrast 有三种写法：

# 写法一：指定因子名称和比较组（最常用）
results(dds, contrast = c("condition", "Treatment_A", "Control"))

# 写法二：直接给数字索引
results(dds, contrast = c(2, -1, 0, ...))

# 写法三：使用名称表达式（不推荐新手）
results(dds, name = "condition_Treatment_A_vs_Control")

写法	是否推荐	原因
c("因子名", "分子组", "分母组")	强烈推荐	可读性高，不容易搞混
数字索引	谨慎使用	一旦因子水平顺序改变，结果就错
name 表达式	了解即可	自动生成的名称有时很拗口

⚠️ 我曾经踩过的坑： 在 contrast 里写反了分子和分母顺序。结果是我以为上调的基因，实际上是下调的。尤其是 report 截图上，名字叫 "Treatment_vs_Control"，log2FC 显示 +2，我以为是处理组上调……后来发现因为我写反了分母，其实它是对照组上调。从那以后，我每次都先跑个 summary() 看一眼方向。

4.2 alpha 参数：调显着性阈值

alpha 这个参数，我建议你理解成一个「截断点」。默认值是 0.1，但你的生物学背景或审稿人可能要求更严格的标准。

# 严格模式（大多数文章用这个）
res_strict <- results(dds, alpha = 0.05)

# 默认模式
res_default <- results(dds, alpha = 0.1)

# 宽松筛选（探索性分析可用）
res_explore <- results(dds, alpha = 0.2)

需要区分两个概念：

pvalue：原始统计检验的 p 值
padj：多重假设检验校正后的 q 值（BH 方法）

DESeq2 默认用 independent filtering 策略。你设定的 alpha 值会影响这个过滤强度。alpha 越小，过滤掉的基因越多，剩下来的「假阳性风险」越低。

我个人习惯： 在项目早期探索阶段，alpha 设 0.1。写 paper 或者做 downstream 验证时，alpha 降到 0.05。如果遇到样本量特别少（n=2），我甚至会把 alpha 放宽松到 0.2 去捕捉候选基因，但一定要在结论里标注清楚。

4.3 lfcThreshold 参数：不只是看 p 值

很多初学者只盯着 p 值和 padj，觉得 < 0.05 就是差异基因。但做生物信息学久了你就会发现：

统计显着 ≠ 生物学相关

一个基因 padj = 0.0001，但 log2FoldChange 只有 0.2。这种基因，你放在 RNA-seq 里大概率是测序误差，换个平台验证不出来。

lfcThreshold 就是为了解决这个问题而存在的。

# 默认情况：只看 fold change 是否为 0
results(dds, contrast = c("condition", "A", "B"))

# 设置一个 fold change 阈值：只有 |log2FC| > 1 才算有意义
results(dds, contrast = c("condition", "A", "B"),
        lfcThreshold = 1)

设置了 lfcThreshold 后，DESeq2 会执行一个 Wald test，零假设是「真实的 log2FC 的绝对值 ≤ 你设定的阈值」。而不是默认的「真实的 log2FC = 0」。

💡 技巧： 当你用 lfcThreshold 时，results 表里会出现一列叫 svalue（取代 padj）。svalue 表示「这个基因的 log2FC 落在阈值以内的后验概率」。我个人觉得 svalue 在解释时更直观。

4.4 三个参数协同工作

这三个参数不是孤立的。它们配合起来，能让你提取出更高质量的结果。

# 经典组合：严格筛选
res_final <- results(dds,
                     contrast = c("condition", "Treatment", "Control"),
                     alpha = 0.05,
                     lfcThreshold = 1)

这个命令做了三件事：

contrast：指定 Treatment vs Control 的比较
alpha：多重检验校正阈值设为 0.05
lfcThreshold：要求 log2FC 至少大于 1 或小于 -1，才算「生物学上有意义」

为什么要用 lfcThreshold？我遇到过这种情况：某个基因 padj = 0.001，看起来很厉害。但 log2FC = -0.3。在 qPCR 验证时，死活做不出来。后来发现是测序深度不均导致的假象。从那以后，我对那些 fold change 很小的「显着基因」都保持警惕。

4.5 核心逻辑：从原始统计到可解释结果

下面这个图我经常在培训里用，它概括了 results() 函数的三个核心参数分别控制着差异表达分析的哪一层。

你看这个图就会明白：contrast 决定了「比什么」，alpha 决定了「多严格」，lfcThreshold 决定了「多大才值得报」。三个参数串起来，最终决定你报告里是哪张基因列表。

一个实用建议： 当你想比较不同阈值设置对结果数量的影响时，可以跑一个循环：

thresholds <- c(0, 0.5, 1, 1.5)
sapply(thresholds, function(t) {
  res <- results(dds, contrast = c("condition", "A", "B"), lfcThreshold = t)
  sum(res$padj < 0.05, na.rm = TRUE)
})

这样你就能直观看到：随着生物学意义门槛提高，还能剩下多少基因。

⚠️ 别忘了检查 results 对象的基本统计：

# 每次跑完 results，我都会习惯性跑一下这个
summary(res_final)

它能告诉你：总共有多少基因，多少上调，多少下调。如果数字异常（比如上调基因数离谱），赶紧回头查你的 contrast 有没有写反。

4.6 参数速查表

参数	默认值	作用	常见设置
contrast	无	指定比较的分组对	c("condition", "B", "A")
alpha	0.1	多重检验校正后的显着阈值	0.05（严格）, 0.2（探索）
lfcThreshold	0	log2 fold change 的绝对阈值	1（两倍）, 1.5（三倍）
altHypothesis	"greaterAbs"	备择假设方向（与 lfcThreshold 配合）	"greater", "less"
independentFiltering	TRUE	是否启用独立过滤	一般不动，除非特殊需求

4.7 避坑指南

忽视 contrast 的方向 —— 我同事曾经把分子和分母写反了，结果认为上调的基因其实是对照组上调。报告发出去后才发现，非常尴尬。
只看 p 值不看 fold change —— 这是我自己的教训。某些低表达基因的 padj 很小，但 log2FC 连 0.5 都不到。这类基因在独立验证时存活率极低。
alpha 和 lfcThreshold 混用而不理解逻辑 —— 设置 lfcThreshold 后，DESeq2 的统计检验模型会变化。不能用默认的 pvalue 直接判断，要看 svalue。

好了，results() 的这三个参数，你理解透了吗？我建议你打开自己的 dds 对象，挨个试试不同的 alpha 和 lfcThreshold 组合，对比一下输出结果的变化。亲身跑一遍，比看十遍文档都管用。