數據分析中，不少人存在或多或少的不嚴謹操作。本文大致列舉一些
關於Fold Change的計算
Fold Change是差異biomarker篩選的一個常用步驟，一般大家都使用兩組的均值相除進行計算。但是，對於非正態分佈，使用均值相除是否合理？以下找幾個特殊案例進行分析
存在異常值時
A組：1, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 6, 7, 10, 36, 均值爲6.33， 中位數爲4，且數據集中趨向於3-4附近.
B組：3, 4, 4, 5, 5, 5, 5, 6, 6, 7, 7, 8, 9, 10, 11, 均值爲6.33， 中位數爲6，且數據集中趨向於5-6附近
可見，存在異常值時（尤其是樣本量不夠大時），採用均值可能得出不夠有表徵能力的FC值。
存在偏態分佈時
A組：1, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 5, 5, 6, 8, 10, 均值爲4.0， 中位數爲3，且數據集中趨向於3附近.
B組：0, 1, 2, 2, 3, 4, 4, 5, 5, 5, 5, 5, 6, 6, 8, 10, 均值爲4.4， 中位數爲5，且數據集中趨向於5附近.
可見，存在偏態分佈時，採用均值也可能得出不夠有表徵能力的FC值。
何去何從
雖然我們會遭遇上述情況，但是大多數情況下，均值與中位數的表徵能力差別不會太大。當某組數據雜亂無章（雙峯甚至多峯分佈）時，這個特徵可能並不是理想的特徵。當數據存在偏態分佈時，頂多只會稀釋差距，而對於真正有價值的特徵，這點稀釋也還能接受。
GSEA官網中，gene rank採用的幾種方式中，Fold Change默認採用的是通過均值計算（雖然可以修改成中位數計算方式）。建議對於一般情況，仍然可以採用均值計算FC值。以下摘自文字及截圖GSEA官網：GSEAUserGuide
To use median rather than mean expression values, set the Median for class metrics parameter to True, as described above.
GSEA官方推薦的是Signal2Noise來對gene進行排序。從公式上來看，Signal2Noise的正負性與log2FC的正負性是一致的。筆者基於強迫症，進一步使用R計算了基於均值的FC值，和GSEA軟件Signal2Noise跑出來的基本一致（正負數個數一致，13K基因只偏差了1個，log2FC爲0的有好幾個，可能截點選取規則不同吧）。至少說明，GSEA做富集分析時，默認基於均值計算rank，這也是大家公認的。
GSEA富集分析的rank規則，是否可以自定義？比如採用模型權重w值？
關於Fold Change的界值
這個在之前的博客裏討論過。