转录组与生信分析工具导航（2026 更新）

能。常规流程都有网页版替代：GEO2R 做差异分析、Metascape 做富集、GEPIA2 做肿瘤表达与生存、SangerBox/Hiplot 做绘图。局限在于灵活性和批量处理——如果要处理原始 fastq、自定义参数或做重复性分析，还是建议学一点 R。建议路径：先用网页工具做出结果建立信心，再补 R 基础。

GO（Gene Ontology）回答「这些基因是干什么的」，分生物学过程 BP、细胞组分 CC、分子功能 MF 三类，词条细碎但覆盖全；KEGG 回答「这些基因参与哪些通路」，是有上下游关系的通路图，更直观、更接近机制假设。实际做法是两个都做：GO 看功能倾向，KEGG 找可以深挖的通路。

看 FDR（也叫 q value 或 adjusted p value）。富集分析同时检验成千上万个通路，必然产生假阳性，必须做多重检验校正。常用阈值 FDR < 0.05。如果 FDR 没有显著结果，可以放宽到 0.25 做探索性分析，但论文中必须说明，不能只报未校正的 p 值。

五个筛选点：①物种和组织是否匹配你的研究；②样本量，尽量选每组 ≥5 的；③平台类型，RNA-seq 优于老芯片；④有没有配套发表的文献（可验证数据质量）；⑤是否提供处理后的表达矩阵（Series Matrix），否则要自己从原始数据跑起。找到 2-3 个独立数据集互相验证，结论会稳很多。