给学徒布置任务，根据我的教程使用salmon流程走一波airway这个转录组数据集，很快就出了结果，为了检查他数据处理的结果准确性，就把我两年前跑的结果给到他，然后让比较一下两个表达矩阵的相关性，结果出乎我意料！
不同流程的表达矩阵居然有批次效应
如下，可以看到我们两个人的表达矩阵，很清晰的分成了两个组：
主成分分析也是如此：
这个是不应该的，理论上来说，不同样本之间是有表达差异的，所以相关性不能太高，而同一个样本在不同流程理论上应该是不能变化太大的。
换一个数据集
起初，我怀疑是数据集的问题，所以让他继续跑了另外一个数据集，就是2018的果蝇的，同样的那个我也是有salmon流程结果，然后继续让他比较他今天的结果和我之前的结果的差异。
这个时候就清晰的看到，同样的一个样本，在salmon流程不同软件版本不同参考转录组得到的表达矩阵差异是很小的。
这个才是合理的，一个样本在不同流程表达矩阵需要几乎是一致的才行，如果换个流程就千差万别，那我们生物信息学数据分析也太不靠谱了。
那么前面的表达矩阵出了什么情况呢
随便检查一个样本的两次流程的表达量差异情况：
真的是很震惊啊，一个基因表达量差异之大，如云泥之别！
最简单的办法是直接载入bam到igv去查看该基因
很简单的网页工具拿到其基因名字：https://www.ensembl.org/id/ENSG00000167658 是 EEF2 (HGNC Symbol) 所以IGV定位查看：
很明显，这么长的一个基因，这么高的表达量，所以学徒跑流程肯定错了，这个基因有很多转录本如下:
