背景基因集（Universe）修复说明
问题背景
根据 Genome Biology 2015 文章指出，GO/KEGG富集分析中如果不设置背景基因集（universe），会导致：
- 统计幻觉：几乎所有分析都能跑出显著通路
- 假阳性率高：结果反映检测偏倚而非真实生物学
- 可重复性差：不同实验间结果不一致
修复内容
1. 差异分析模块 (differential_analysis.R)
- 新增函数：
get_filtered_expr_genes()- 保存过滤后的表达矩阵基因列表 - 修改返回值：
get_deg_results()现在返回包含两个元素的列表：deg_df: 差异分析结果background_genes: 过滤后的基因列表（用于背景基因集）
- 智能处理：
- 对于counts数据：自动提取检测到的基因
- 对于上传的差异基因文件：返回NULL（无法获取原始表达矩阵）
2. GO分析模块 (go_analysis.R)
- 基于差异基因的GO分析：
- 自动使用检测到的基因作为背景基因集
- 将基因符号转换为ENTREZID用于
clusterProfiler::enrichGO - 添加
universe参数到enrichGO()调用
- 单列基因GO分析：
- 添加选项让用户选择是否使用背景基因集
- 选项1：不使用背景（警告假阳性风险）
- 选项2：使用全基因组作为背景（虽然不是最理想，但比没有好）
3. KEGG分析模块 (kegg_enrichment.R)
- 基于差异基因的KEGG分析：
- 自动使用检测到的基因作为背景基因集
- 支持两种KEGG分析方法：
biofree.qyKEGGtools::enrich_local_KEGG（如果可用）clusterProfiler::enrichKEGG（备用方案）
- 动态检测函数是否支持
universe参数
- 单列基因KEGG分析：
- 添加背景基因集选项
- 与主KEGG分析使用相同的逻辑
4. 其他模块的适配
- GSEA分析模块 (
gsea_analysis.R)：更新以处理新的deg_results结构 - 转录因子活性模块 (
tf_activity.R)：更新以处理新的deg_results结构
技术实现细节
背景基因集获取流程
原始表达矩阵 → 过滤低表达基因 → 获取基因符号 → 转换为ENTREZID → 作为universe参数
错误处理和兼容性
- 优雅降级：如果背景基因集不可用，使用NULL（全基因组）
- 用户反馈：显示通知说明使用的背景基因数量
- 包兼容性：动态检测函数参数支持
- 错误恢复：完善的tryCatch错误处理
统计改进效果
- 减少假阳性：基于实际检测到的基因进行富集
- 提高准确性：反映实验条件下的真实富集
- 增强可比性：不同实验间结果更一致
- 符合标准：满足顶刊（如 Genome Biology）的统计要求
使用说明
对于新用户
- 上传counts矩阵进行差异分析
- 系统自动保存检测到的基因作为背景
- 进行GO/KEGG分析时自动使用背景基因集
- 查看结果中的背景基因统计信息
对于单列基因分析
- 上传基因列表文件
- 选择是否使用背景基因集：
- 不使用：快速分析，但可能有假阳性
- 使用全基因组：更准确，但计算稍慢
- 系统会显示相应的警告/提示信息
对于上传差异基因文件的用户
由于无法获取原始表达矩阵，系统会：
- 显示警告信息
- 使用全基因组作为背景（如果用户选择）
- 提醒结果可能有偏倚
验证测试
已创建测试脚本 test_background_fix.R 验证：
- 差异分析模块能正确保存背景基因
- GO分析模块能正确处理背景基因集
- KEGG分析模块能兼容不同分析方法
- 各模块间数据传递正常
注意事项
- 包依赖：需要安装
clusterProfiler用于enrichKEGG备用方案 - 性能影响：使用背景基因集可能稍微增加计算时间
- 内存使用：保存背景基因列表增加少量内存占用
- 向后兼容：修改后的代码保持原有API，不影响其他功能
参考文献
- Timmons et al. (2015) Genome Biology - "系统指出几乎所有富集分析都能跑出显著通路——无论你输入什么基因"
- 背景基因集的重要性：
universe = rownames(expr_filtered) - 三种偏倚来源：技术偏倚、检测偏倚、生物学偏倚
版本历史
- v1.0 (2025-12-07): 初始实现，修复背景基因集缺陷
- 关键改进：所有富集分析现在支持正确的统计背景设置