edgeR、limma-voom、DESeq2 怎么选

跟完这篇，您能根据自己的样本量、数据类型和设计复杂度，在 edgeR、limma-voom、DESeq2 三者中选定一个（或干脆三个都跑），并在三者结果对不上时，按一张清单逐条排查，判断分歧是正常现象还是哪里出了错。

做 bulk RNA-seq 差异分析，绕不开这三个包。它们都久经检验、都靠得住，网上却常把「哪个更好」吵成玄学。其实选择没那么玄：它们的差别是统计模型和适用场景的差别，对上您的数据就有答案。这篇不比高下，只给您一套可照着走的判断流程，外加一份把三个都跑通的最小代码。

一句话先分清三个工具

先建立整体印象，细节留到后面。

工具	统计模型	归一化	一句话定位
DESeq2	负二项 GLM，Wald 检验	median-of-ratios	上手最省心，小样本稳，结果表和收缩倍数都给全
edgeR	负二项 GLM，准似然 F 检验	TMM	与 DESeq2 同源，小样本同样稳，QL 检验对假阳性控制好
limma-voom	线性模型 + 精度权重，moderated t 检验	TMM	最快、对复杂设计最灵活，样本量大时尤其稳

三者都要原始 counts（非负整数），都不能喂 TPM、FPKM、RPKM。这一点没有例外——limma-voom 看似处理的是连续值，但它也是从原始 counts 出发、自己在内部完成归一化和转换的。为什么必须用原始 counts，见 counts、TPM、FPKM 怎么分。

原理差异：它们在建什么模型

选工具之前，先弄清它们「算法上到底不一样在哪」，后面的取舍才不是背口诀。

DESeq2 和 edgeR 是一家人。 两者都把每个基因的 counts 看作服从负二项分布，用广义线性模型（GLM）拟合分组效应。counts 数据有个特点：均值越大、方差越大，负二项分布正是为这种「计数」量身定制的。它们最关键的共同点，是都用经验贝叶斯在成千上万个基因之间借信息来估计离散度（每个基因的变异程度）——这让它们在重复数很少时依然能给出稳健的方差估计。

两者的差别主要在细节：

• 归一化不同：DESeq2 用 median-of-ratios，edgeR 用 TMM。思路相近，多数数据上结论接近。
• 默认检验不同：DESeq2 默认 Wald 检验；edgeR 推荐 glmQLFit + glmQLFTest 的准似然（quasi-likelihood）F 检验，它把离散度估计的不确定性也算进去，对假阳性的控制通常更保守。

limma-voom 是另一条路。 它不直接对 counts 建负二项模型，而是分两步：先用 voom 把 counts 变成 log-CPM，并根据均值—方差关系给每个观测值算一个精度权重（表达越低、越不可信的点权重越小）；再把这些带权重的值喂给 limma 成熟的线性模型 + 经验贝叶斯 moderated t 检验框架。这套框架原本是为芯片数据打磨了多年的，好处是极快，且面对复杂设计（多因素、配对/区组、连续协变量、交互项）时写起来最灵活。

一句话记忆：DESeq2 / edgeR 直接对计数建模，小样本稳；limma-voom 转成连续值加权后建模，快且擅长复杂设计。

按样本量选

样本量是最实在的分岔点。下面的倾向是常见比较研究的大致共识，按数据调、不是硬阈值。

1. 每组重复很少（约 2~3 个）：优先 DESeq2 或 edgeR。它们的经验贝叶斯离散度收缩在样本少时「借力」最明显，用极少的重复也能压住方差估计的噪声。这是它们最擅长的场景。
2. 每组重复中等（约 5 个以上）到大队列：limma-voom 越来越有优势。它快得多（几十上百个样本时差距明显），FDR 控制稳；相反，样本量很大时 DESeq2/edgeR 有时会偏激进（假阳性略多）。临床队列这类几十上百样本的场景，limma-voom 往往是稳妥之选。

几点提醒，避免把上面的话当铁律：

• 这些倾向是统计性质上的平均表现，不是保证。在多数真实数据上，三者的 top 强信号基因高度重叠，分歧集中在临界区。
• 无论哪个工具，每组只有 1 个样本都做不了差异分析（没有组内变异可估）。重复数太少时，增加重复永远比纠结换哪个工具更管用。
• 需要复杂设计（多个协变量、交互、区组）时，无论样本量大小，limma-voom 的写法通常最省心，edgeR 的 GLM 通路次之。

按数据类型选

样本量之外，还要看数据本身是不是「计数」。选错这一步，模型的前提假设直接不成立。

您的数据	该用什么	别用什么
原始 counts（bulk RNA-seq、CRISPR 筛选、部分 counts 型测序）	DESeq2 / edgeR / limma-voom 都行	别喂 TPM、FPKM
已经是连续/对数强度（表达芯片、已 log 的定量蛋白/代谢组等）	limma（普通 limma，可配 limma-trend）	别用 DESeq2/edgeR（负二项不适用），也别用 voom

要点就一句：负二项模型（DESeq2、edgeR）和 voom 都是为原始 counts 设计的；数据一旦本就是连续值或对数强度，改用普通 limma 直接建线性模型。 把 TPM 硬塞进 DESeq2，或把芯片强度当 counts 跑 edgeR，得到的 p 值都不可信。

三个都跑一遍（推荐做法）

拿不准哪个更适合时，最省心的办法是三个都跑，看结果重不重合。下面用同一份 counts（行基因、列样本）和同一个分组向量 group，给出三段最小可跑的骨架。为方便对齐，先统一把对照组设为参照水平。

group <- relevel(factor(group), ref = "control")   # 统一对照方向，treated 比 control

DESeq2

library(DESeq2)
colData <- data.frame(group = group, row.names = colnames(counts))
dds <- DESeqDataSetFromMatrix(counts, colData, design = ~ group)
dds <- DESeq(dds)
res_deseq <- results(dds, contrast = c("group", "treated", "control"))

edgeR（准似然，推荐）

library(edgeR)
y <- DGEList(counts = counts, group = group)
keep <- filterByExpr(y, group = group)      # 按惯例过滤低表达基因
y <- y[keep, , keep.lib.sizes = FALSE]
y <- calcNormFactors(y)                      # TMM 归一化
design <- model.matrix(~ group)
y <- estimateDisp(y, design)
fit <- glmQLFit(y, design)
qlf <- glmQLFTest(fit, coef = 2)             # 第 2 列 = treated vs control
res_edger <- topTags(qlf, n = Inf)$table

limma-voom

library(limma); library(edgeR)
y <- DGEList(counts = counts)
keep <- filterByExpr(y, group = group)
y <- y[keep, , keep.lib.sizes = FALSE]
y <- calcNormFactors(y)
design <- model.matrix(~ group)
v <- voom(y, design)                         # 转 log-CPM 并估计精度权重
fit <- lmFit(v, design)
fit <- eBayes(fit)
res_limma <- topTable(fit, coef = 2, number = Inf)

跑完取三者显著基因的交集，作为高置信集，通常比信任任何单个工具都稳：

sig_deseq <- rownames(subset(as.data.frame(res_deseq),
                             padj < 0.05 & abs(log2FoldChange) > 1))
sig_edger <- rownames(subset(res_edger, FDR < 0.05 & abs(logFC) > 1))
sig_limma <- rownames(subset(res_limma, adj.P.Val < 0.05 & abs(logFC) > 1))

common <- Reduce(intersect, list(sig_deseq, sig_edger, sig_limma))

这里的 padj < 0.05 且 |log2FC| > 1（变化 2 倍）是常用惯例、不是铁律，要按数据和问题调，展开见 DESeq2 怎么做对 里的阈值一节。

三个结果对不上，先查什么

三者跑出来不完全一致，是常态，不是都得吓一跳。按下面顺序排查，能分清「正常分歧」和「真出错」。

1. 先接受：它们本就不会逐基因完全相同。 模型和归一化不同，强信号基因通常高度重叠，分歧集中在临界区——padj 卡在 0.05 附近、低表达、低倍数的那些基因，排序会抖。这不是 bug。

2. 确认您比的是「同一列」。 三个工具的显著性列和倍数列名字不一样，别把它们当算错了：

   工具	校正后 p 值（FDR）	log2 倍数变化
   DESeq2	padj	log2FoldChange
   edgeR	FDR	logFC
   limma-voom	adj.P.Val	logFC

   三者的 FDR 默认都用 BH 法校正，口径一致，可以直接横比。

3. 输入是否一致。 是同一份原始 counts 吗？分组和对照方向（参照水平）是否一致？对照设反了，倍数变化会整体反号，看着就像两套结果。

4. 过滤是否一致。 filterByExpr、手动 rowSums 门槛、DESeq2 的独立过滤，会让「进入检验的基因集合」不同，从而改变多重检验的分母、连带改变 padj。先统一过滤规则再比。

5. log2FC 是否被收缩。 DESeq2 若跑了 lfcShrink，倍数会被往 0 拉；拿它和 edgeR/limma 的未收缩 logFC 直接比，会觉得「小了一截」。比较时两边都用未收缩的，或都用收缩后的。

6. 归一化差异。 DESeq2 用 median-of-ratios、edgeR/limma 用 TMM，多数时候结论接近；但当个别样本存在极端高表达基因时，可能拉开差别。

7. 样本量太小。 每组只有 2 个重复时，任何工具都不稳，三者对不上很正常。这种情况下别纠结换工具，补重复才是解法。

稳妥的收尾方式始终是：三者都跑、取交集当高置信集，单个工具独有的差异基因放到次要位置、留待验证。

在平台上跑一遍

不想在三个包之间反复配环境、对齐参数，可以在百沐一下直接做这一步：上传原始 counts 矩阵和样本分组表，用自然语言说清「哪组比哪组、对照是谁、样本量多大」，平台会零代码替您选定合适的方法跑完差异分析，并给出结果表和火山图；关键处（分组列、对照方向、过滤与阈值）它会先与您确认，选得不合适也能追问着改。

从上传到出结果的完整流程见 组学智能体使用指南，或直接开始：https://app.baimuyixia.com。

相关

• DESeq2 差异表达分析怎么做对
• counts、TPM、FPKM 怎么分
• 画一张能用的火山图
• 拿到差异基因后做富集分析