这不是我第一次被这样提问了，这种"先验式"的科研似乎已经成为了大家的共识。我现在见过太多所谓的科研项目，立项的时候就把技术路线、预计结果在标书里写好。在实际开展研究的过程中，对与期望结果相反的现象置若罔闻，而不是寄希望于找出科研进程中的谬误。进行大量的试验后从结果中挑出符合自己预期的结果，这种行为可谓是编数据的"又当又立"版。各位可以扪心自问，见过多少起这种掩耳盗铃式的科研。也难怪当下的科研成果无法转换为实际的生产力。这场庞氏骗局的最终买单者，恐怕是我们每一个人。
1.png
好了，锐评完毕。说回技术层面，一个本应该显著的差异基因没有观察到预计的趋势，可能有以下原因：
1、scRNA-Seq矩阵的稀疏性：正常的Bulk RNA-Seq大约是6~10GB的测序量，而scRNA-Seq需要在100GB的测序量下完整成千上万个细胞的转录组定量，显然对于每一个细胞而言测序深度是不足的。再考虑到信噪比的提升，单细胞测序技术对于基因表达的检测灵敏度十分有限，尤其是低丰度的基因。
2、差异分析结果可能受到样本量大小的影响，这也就是为什么现在CNS里的单细胞文章动辄"百万细胞"级别起步。如果差异基因所在的细胞类型数量较小，那么扩大样本量来增加结果的可信度是十分有必要的。
3、前期属于处理问题：前期的质控、双细胞过滤、细胞分群等环节都需要优化并找到合适的参数。尤其是单细胞测序数据的细胞分群可能存在误差，如果分群不准确(细胞在不同状态下可能表现出异质性，这种差异存在于细胞类型之间、也会出现在细胞类型的亚群内。这种单细胞异质性可能掩盖了某些基因的差异表达。即使细胞在总体上属于相同类型，也可能存在亚型，这种异质性可能会模糊差异基因的识别。)，则可能将不同类型的细胞混合在一起进行差异分析，从而导致一些差异基因未被检测到或错误地被归因于其他细胞类型。
4、实验技术噪音：包括来自于实验操作、批次效应、测序仪器、PCR扩增等步骤的技术噪音，这些噪音可能干扰了差异分析的结果，使得差异基因未被准确地检测到。不过相较于数据分析环节，实验技术引入的噪音比较难以纠正，且一但发生，不可更改。