经过表达定量后，我们已经得到了基因的表达量矩阵，差异表达分析通常是RNA-seq分析的第一步。
差异基因表达分析通常都是在R中，常用的有DESeq2，edgeR，limma等几种，这次主要介绍用DESeq2来进行差异表达分析。
需要准备的数据：基因表达定量矩阵（counts）及分组文件
安装
使用
也做了挺多次RDA分析，自己现在小结一下RDA分析流程：
就我个人而言，虚线前面都是不太经历的步骤，我一般不会主动删去样品的环境信息，因为我接触的菌群这块本来就没有什么多余的环境信息-_-||，所以我的重点放在怎么去除多余OTU或菌群上面。
一般而言，我首先会做一次差异分析，挑选有差异的OTU或菌群进行展示（phyloseq推荐使用DESeq2和edgeR，详见 Waste Not, Want Not: Why Rarefying Microbiome Data Is Inadmissible ），这里不是重点不在赘述。
但是差异OTU或菌群还有可能太多，RDA呈现出来密密麻麻的，调也得调好久，最后还是好不美观。
偶然间，发现envfit不仅可以评估环境因子的显著性，也可以评估物种的相关性和显著性，这为我们进一步去取冗余物种提供了条件，值得记录下来学习。
示例：
针对测序数据和芯片数据，目前常用差异分析的R包有edgeR、limma、DESeq2，做一简单比较，方便平时分析。内容多为搬运，主要方便下次寻找。
三种packages的比较
读取的基因矩阵文件，行为基因名，列为样本名
参考：
https://www.jianshu.com/p/cf2ec58e5361
https://blog.csdn.net/weixin_43700050/article/details/98085127
