先说个扎心的行情：转录组测序正在变得便宜。今年7月有基因组学平台公众号挂出报价，转录组测序（5Gb）130元/样，还注明不含分析，分析另议。生物信息与育种再往前，微科盟八周年促销，带全套交互式分析的真核转录组最低229元/样。微生态两三年前，这个价格基本不敢想。
测序本身已经不是课题里最贵的环节了。真正烧钱、烧时间的环节，是你收到报告那一刻开始的。
公司交付的Excel里躺着两万个基因的表达量，差异分析一筛，红的绿的加起来两三千个差异表达基因（DEG）。你接下来要做的事，是把这两三千个收敛到十几个去做qPCR验证，再收敛到一两个能撑起机制故事的“主角基因”。这一步选错，后面半年的试剂、细胞、动物和时间全部打水漂；选对了，课题才算真正往前走。
小红书上有一篇整理“转录组筛选差异基因流程”的笔记，收获449个收藏——收藏比点赞还高，说明大家是真的要照着做。小红书我把生信公众号、知乎、小红书、B站上散落的阈值建议、验证规范和常见坑，整理成一道四层漏斗，外加三个判断题。写给“结果已经拿到手、但不知道怎么挑基因”的湿实验同学。
第0步：打开差异基因表之前，先看三张图
很多人拿到报告直接翻差异基因列表，这是最容易翻车的起点。先检查公司交付的三张质控图：
PCA图：组内重复样本是不是聚在一起，组间是不是分得开。如果同组3个重复散得像满天星，说明组内变异太大，后面的差异基因假阳性风险会失控。
样本相关性热图：组内相关系数是否接近1，离群样本一眼就能看出来。
样本聚类热图：和PCA互相印证。
这三张图不合格，先别急着筛基因，回头和公司沟通样本、分组和数据质量的问题。另外提醒一句被反复强调的底线：每组至少3个生物学重复。知乎上一篇转录组实操指南写得很直白——“无生物学重复=结果无效”。知乎单样本组别无法估计组内变异，假阳性率会失控。如果你当初为了省钱每组只做了2个重复，这一步就是你还债的地方。
第1层漏斗：阈值初筛，别只会背“1和0.05”
标准答案大家都听过：padj（FDR校正后的P值）< 0.05，且 |log2FC| ≥ 1，也就是变化倍数≥2倍。几乎所有教程、公司报告和审稿意见里都是这套默认值，放心用。但真正拉开差距的是后面两个微调动作：
差异基因太多（两三千往上）？收紧 |log2FC| 到 1.5 甚至 2。差异基因多不等于数据好，多数时候只是阈值松，或者分组里混进了批次效应。
差异基因太少（几十个甚至个位数）？先别慌，不一定是坏事。可以把阈值放宽到 |log2FC| ≥ 0.585（即1.5倍），或者换一条不依赖阈值的路——GSEA（基因集富集分析），它看的是通路整体的趋势变化，不需要先卡死单个基因的阈值。
这里藏着一个反常识的细节：DESeq2跑出来的log2FC，不是“处理组表达量÷对照组表达量”取对数这么简单。它是经过文库大小标准化、离散度估计、基于负二项分布的收缩估计之后的值。有实操文章举过例子：就算对照组标准化计数是5、处理组是10，log2FC往往也不等于1。药理实验笔记这个细节有两个实际后果：第一，RNA-seq的fold change和qPCR的fold change对不上，是常态，不是事故；第二，低表达基因（比如TPM/FPKM < 1）的变化很多是噪声主导，筛的时候要么过滤掉，要么单独标注，别把宝押在它们身上。
第2层漏斗：通路对齐，让你的表型帮你挑基因
初筛之后还剩几百个基因，这时候轮到生物学问题出场了。把差异基因列表丢进GO和KEGG富集分析（公司报告里一般都有现成结果），然后只问一个问题：哪些通路和我的实验表型对得上？
比如你做的是药物处理后的细胞凋亡表型，那就重点看凋亡相关通路里富集到的基因；你做的是干旱胁迫，就看抗逆、渗透调节相关的通路。把“统计上显著”和“生物学上说得通”取交集，候选名单通常能收敛到两位数以内。
一个提醒：如果富集结果全是“代谢过程”“结合活性”这种放之四海皆准的大词，或者干脆什么都没富集出来，往往说明差异基因列表本身太杂或太少——回到第1层调阈值，而不是硬着头皮往下走。
第3层漏斗：数据库交叉验证，别让候选基因孤军奋战
收敛到几十个之后，用外部证据再砍一刀：
公共数据交叉：在GEO、TCGA里找同类疾病或同类处理的数据集，看你的候选基因在别人的数据里是不是也差异表达。多数据集一致的基因，验证成功率明显更高。
疾病/功能数据库：OMIM、GeneCards查候选基因和你的研究对象有没有已知关联。
文献明星基因：已经被文献报道过的基因不是禁区，反而是稳妥的锚点——你的数据能独立复现已知结果，恰恰说明体系可靠。
共表达网络：如果做了WGCNA，看候选基因是不是枢纽基因（hub gene），网络中心性高的基因通常更值得投入。
走到这一步，你手里应该只剩个位数到十几个“有理有据”的候选基因。
第4层漏斗：qPCR验证，数量和挑选都有讲究
花钱测序之后为什么还要回头做qPCR？因为DESeq2、edgeR本质是统计模型，报告的是推断结果；qPCR是独立技术路线的验证，也是审稿人眼里的金标准。这一关躲不掉。
行业里约定俗成的做法并不复杂。验证基因数量一般选15-20个，上调、下调都要覆盖。知乎挑选时优先选差异倍数大（比如FC>10）、表达量高（比如FPKM>50）的基因，这类基因验证成功率高、结果干净。判定看趋势符合率：qPCR和RNA-seq的趋势符合率达到70%-80%，就可以认为转录组数据有效。影子基因注意“趋势符合”这四个字——方向和显著性对得上就行，不要苛求倍数完全一致。两种技术的定量原理根本不同（一个测的是全转录组的相对丰度，一个是ΔΔCt的相对定量），有研究发现两者结果的相关性就在0.8左右，倍数对不上是正常现象。
但如果验证率明显偏低，就得按步骤逐一排查：样品对比关系是不是搞反了、是不是用同一批样品在验证、挑的基因表达量是不是太低。知乎要是连方向都大面积对不上，先回头查样本、分组和RNA质量，而不是盲目重做实验。
三个判断题，对号入座
差异基因太多怎么办？先怀疑阈值和批次，不是怀疑自己课题太小。收紧阈值、检查批次效应，或者直接做GSEA换视角。
差异基因太少怎么办？依次排查：处理是不是太温和、样本RIN值是否偏低、PCA里有没有离群样本。都没问题，那就接受“变化本来就少”这个生物学事实，放宽阈值或转向通路层面的分析。
审稿人问“如何筛选差异基因”怎么办？这不是刁难。有期刊编辑部的修改意见原话就是“成功的差异基因筛选绝非单一阈值过滤，而是一个多步骤、分层次的决策过程，它始于实验设计，贯穿于数据分析，终于生物学解读”。中国神经再生研究英文版杂志把上面这道漏斗如实写进方法部分，比任何漂亮的结果图都有说服力。顺带一提，有综述引用2021年的统计指出，仅有25%的RNA-seq相关文章会详细说明研究中使用的方法——写得详细，本身就是竞争力。知乎
两个值得留意的趋势
第一，“GEO挖数据+差异基因+Hub基因”的纯生信套路正在贬值。GEO和TCGA已经被挖了十几年，有从业者直言：单纯依赖“差异基因”筛选目标基因，越来越难做出真正有新意的文章。SCI狂人有人开始用eQTL、pQTL这类遗传学证据做交叉筛选，给候选基因加一层独立证据。如果你打算纯靠公共数据发文，这个信号值得重视。
第二，AI工具正在进入这条流水线。8月11日一条“2万多行转录组数据怎么分析”的B站视频拿到235个赞，演示的就是用AI完成从差异基因统计、火山图到PCA的全流程，面向科研小白。工具确实能替你省掉画图和统计的体力活，但视频作者自己也强调了一句话：统计显著不等于已经证明生物学机制。哔哩哔哩阈值怎么定、分组对不对、结果怎么解释，这三件事目前还是得人来把关。
最后，一张可以存下来的清单
先看PCA、相关性热图、聚类热图，确认每组≥3个生物学重复；
阈值初筛：padj<0.05且|log2FC|≥1，多则收紧、少则放宽或转GSEA，警惕低表达基因；
通路对齐：GO/KEGG里只留和表型对得上的通路内基因；
交叉验证：GEO/TCGA、OMIM、文献、WGCNA，多源一致的优先；
qPCR验证：15-20个基因，挑高倍度高表达的，趋势符合率70%-80%即过关；
方法部分把整个筛选过程写清楚，这是审稿人必查项。
测序费已经降到了几百块以内，但把数据变成结论的能力没有降价。这道漏斗不能替你做生物学判断，至少能帮你把“凭感觉挑基因”变成“按证据挑基因”——省下的不只是qPCR的试剂钱，还有半年走弯路的时间。
