转录组差异基因分析中是选择p值还是p.adjust值？

各位老师好，我是刚接触生信分析的大学生，在做转录组数据差异基因分析时候，结果中p值都是<0.05的，但是p.adjust全都是大于0.05，这个时候是看p值还是p.adjust? 谢谢老师了。

这里其实需要区分清除p-value和 q-value（p.adjust)的定义和区别，通常两者各自定义如下：

P值：

P值通常用于假设检验，以确定统计分析结果是否具有统计显著性。零假设通常是两组或两个变量（比如基因表达）之间没有差异或关联的陈述。如果P值小于选定的显著性水平（通常为0.05），则拒绝零假设，支持备择假设，即存在显著差异（基因表达）或关联。但是，需要注意的是，统计显著性并不一定意味着实际显著性或重要性。

Q值：
Q值被引入作为一种在多重检验情况下控制误差发现率（FDR）的方法，其中同时进行许多假设检验。在这些情况下，随着测试数量的增加，至少获得一个假阳性结果的概率增加。FDR是所有显著结果中期望的假阳性比例。Q值是估计FDR并将其控制在所需水平（例如5％）的一种方法。通过控制FDR，Q值有助于减少假阳性结果的数量并增加显著结果的可靠性。

在科学研究中，特别是在高维数据（例如基因表达数据，蛋白质组学数据和基因组关联研究）的分析中，使用Q值的趋势正在增加。

转录组数据实际上就是多变量的多重检测，多变量是指对多个基因变量进行表达差异检验。如果用p-value， 每个基因是否显著的结论出错概率是0.05，全部基因（如果3万个），里面就有30000*0.05=150个基因的结论是错误的，是假阳性的。因此需要利用控制FDR减少假阳性数量，也就是需要用q-value或者说p.adjust值。所以你仍然需要参考p.adjust值，也就是分析没有显著性差异的结果。