浅论甲基化分析的坑

很久没有更公众号，是因为真的好忙，

也非常希望能中跑完差异甲基化分析流程后，给大家上一个系统全面的总结经验帖，可是，发现一个原来这行大家都熟知的“坑”。

之所以说众所周知，是因为每每问一个人，对方都会说，是这样的，目前没有解决的办法。

对于差异甲基化分析，精神洁癖的我，用线性回归找到10来个位点，用方差分析找到2个位点，用less power的t test和wilcox rank sum test找到了百来个位点。

我的问题是，如果同样的重复实验，我用同样的方法，差异的应该也还是那些位点，这样的replicate又能有什么生物学意义呢。

于此，我想归根结底是因为一个问题，统计学算法的滥用，t检验的时候，总体应该服从正态分布，这点往往被忽略。所以构造t统计量真的合适吗？

beta值具有异方差的缺陷，那么，当改为M值的时候，这样的变换是否会导致线性相关的丢失呢？

而明明有用得很好的寻找潜在因子的sva算法，人们却并没有那么广泛的应用，探讨了好几个人，普遍认为sva就算找出来也很难解释，于是，线性回归等到了广泛的应用，因为其相当好解释。可是，同理在构建snp和gene exp的关系的时候，随着gtex项目的普及，人们喜欢采用基于贝叶斯模型的PEER因子，而贝叶斯算法是有前提的，有时候数据真的迭代n年都不会收敛，此刻我们是否该怀疑我们对总体分布的假设呢？另一件事我也很纳闷，为什么找eqtl一来也是线性回归呢？

然而在采用线性回归模型的时候，

自变量和因变量之间是否线性相关

所有因素是否独立。

我想就会涉及混合线性回归模型似乎更为合理。但是在每次做了线性回归后，文章里也并没有看见多少对于回归参数的t检验、f检验或相关系数检验的实施。

在解决差异甲基化分析的途中，我不禁开始思考差异表达基因，用各种test，假定rna-seq服从正态分布，然而之前看一个学数学的大神的文章，rna-seq似乎更加符合广义逆高斯分布。

用不同的方法之前，是否确认过自己的方法是准确的，是适合的？而是直接就用，因此，此刻就有朋友说，科研好多坑，已对科研无兴趣。我想，这时候更应该是找出更加适合的分布和算法去解释这件事，而不是人云亦云的去跟随。坑源自于统计学方法的滥用，不该失去兴趣，而该努力去解释好并解决这件事。

最近被科研卡住了，甲状腺也有些不太舒服，冬天，体内激素变换的时候，真的觉得嗓子很难受，不喜欢跟人说话，早些年，有些独处恐惧症，一个人呆着会自己莫名其妙的哭，听闻朋友说，她们也有这样的情况，我想这就是博士病吧。另一个朋友给我说，要学会定期释放自己的情绪，该玩就玩。现在是觉得，我要是在工作时间干了大于三件与工作无关的事情，比如说，上网交电费，我就会觉得很心慌。而如果一片浮躁，却拿出一本书或一篇文献看懂了，又会觉得内心踏实。

身边优秀的人太多，世界各地顶级学校毕业的硕博，永远比你努力。

比你大一两届的学长已经成为国内大学的教授。

而我，还在拾起一步步统计学知识中游泳，以自己的速度前行。

内心平静的时候，我的心告诉我，保持自己的速度前进就好，不去看别人，只要自己的心在工作上，就一定能专注的走远。

很开心的一件事，经过从小到大的努力，有一份每天早上醒来让我觉得很有干劲的工作，有挑战，每个项目都能学习和强化各方面的能力的工作。

以此文章说明，愿科研热情永恒。

但愿刨根问底，找出自己的成就感。

欢迎踊跃吐槽～