前面给大家介绍了如何使用R语言合并TCGA表达谱数据，针对没有太多R编程基础的小伙伴，我们也提供了零代码合并TCGA表达谱数据的教程。其实，合并得到表达谱矩阵并不是我们的最终目的，而恰恰是后面所有分析的基础。
今天我们来聊聊一个基础却又很重要的分析，差异表达分析。可以说差异表达分析几乎是所有后续分析的第一步，无论你是要找biomarker，还是构建ceRNA网络，不论你是要画火山图，还是要画热图，不论你是要做功能富集分析，还是做生存分析，不论你是要做cox回归分析，还是构建风险评估模型，可以说差异表达分析都是第一步。我们还是由渐入深，先来看看不用写太多代码的方法，一个R的shiny工具，鼠标点一点就可以做差异表达分析。其实我在公众号前面的文章里面就已经介绍过这个工具了，叫做DEApp。还不太熟悉的小伙伴，可以参考下面这三篇文章，可以说从理论到实践，循序渐进
1）零代码差异表达分析, DESeq,limma,edgeR一网打尽
下面我们以TCGA合并得到的表达矩阵为例来讲解如何使用DEApp这个工具来做差异表达分析
- TCGA表达谱矩阵和样本类型文件准备，这个前面已经详细讲解过了，可以参考零代码合并TCGA表达谱数据，下面我们通过视频来了解一下DEapp这个工具
- 下面的视频会详细介绍，数据上传，表达谱归一化，PCA分析，基因过滤，差异表达分析，火山图（火山图怎么看，R一行代码搞定火山图），结果下载。统统这些都只需要动动鼠标就可以了。
- DEApp提供三种做差异表达分析的方法，limma，edgeR和DEseq2。这三种方法都是目前主流的做差异表达分析的方法，绝对是业界公认的方法。如果你有自己钟爱的方法，可以直接使用它。当然，我们也可以分别使用这三种方法对同一套数据来做差异表达分析，你甚至可以取这三种方法都鉴定到的差异表达基因作为最终结果。我们来看看具体操作，也都是用鼠标来完成。
当你了解了DEApp这个工具的原理和流程之后，其实无论是对RNAseq数据还是对miRNA seq数据做差异表达分析，整体步骤都是差不多的。大家可以动手分析一下自己的数据。
DEApp这个工具虽然有网页版（https://yanli.shinyapps.io/DEApp/），但是前面我也指出过网页版的一些弊端。
这个网站搞不好那天就不存在了
服务器搞不好哪天就负载过重down掉了
用的人多了，你的任务还要排队，什么时候排得上谁也说不准
上传文件有大小限制，最大30M。
数据安全性谁也不能保证
所以我推荐大家还是下载一个本地版本，我在DEapp(差异表达分析)本地版——自由飞翔一文中详细介绍过具体方法，大家可以自己尝试安装。对于没有太多R基础的小伙来说，安装和配置DEApp还是有些复杂的，大家可以直接☞下载视频中使用的R环境和DEApp工具☜使用。
参考资料：
