数据分析中，不少人存在或多或少的不严谨操作。本文大致列举一些
关于Fold Change的计算
Fold Change是差异biomarker筛选的一个常用步骤，一般大家都使用两组的均值相除进行计算。但是，对于非正态分布，使用均值相除是否合理？以下找几个特殊案例进行分析
存在异常值时
A组：1, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 6, 7, 10, 36, 均值为6.33， 中位数为4，且数据集中趋向于3-4附近.
B组：3, 4, 4, 5, 5, 5, 5, 6, 6, 7, 7, 8, 9, 10, 11, 均值为6.33， 中位数为6，且数据集中趋向于5-6附近
可见，存在异常值时（尤其是样本量不够大时），采用均值可能得出不够有表征能力的FC值。
存在偏态分布时
A组：1, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 5, 5, 6, 8, 10, 均值为4.0， 中位数为3，且数据集中趋向于3附近.
B组：0, 1, 2, 2, 3, 4, 4, 5, 5, 5, 5, 5, 6, 6, 8, 10, 均值为4.4， 中位数为5，且数据集中趋向于5附近.
可见，存在偏态分布时，采用均值也可能得出不够有表征能力的FC值。
何去何从
虽然我们会遭遇上述情况，但是大多数情况下，均值与中位数的表征能力差别不会太大。当某组数据杂乱无章（双峰甚至多峰分布）时，这个特征可能并不是理想的特征。当数据存在偏态分布时，顶多只会稀释差距，而对于真正有价值的特征，这点稀释也还能接受。
GSEA官网中，gene rank采用的几种方式中，Fold Change默认采用的是通过均值计算（虽然可以修改成中位数计算方式）。建议对于一般情况，仍然可以采用均值计算FC值。以下摘自文字及截图GSEA官网：GSEAUserGuide
To use median rather than mean expression values, set the Median for class metrics parameter to True, as described above.
GSEA官方推荐的是Signal2Noise来对gene进行排序。从公式上来看，Signal2Noise的正负性与log2FC的正负性是一致的。笔者基于强迫症，进一步使用R计算了基于均值的FC值，和GSEA软件Signal2Noise跑出来的基本一致（正负数个数一致，13K基因只偏差了1个，log2FC为0的有好几个，可能截点选取规则不同吧）。至少说明，GSEA做富集分析时，默认基于均值计算rank，这也是大家公认的。
GSEA富集分析的rank规则，是否可以自定义？比如采用模型权重w值？
关于Fold Change的界值
这个在之前的博客里讨论过。