在Seurat中梗逮，FindAllMarkers函數是用來尋找不同群體（通常是細胞群體）之間顯著差異表達的基因侨糟。這個函數對于解析細胞類型和理解細胞狀態(tài)變化非常有用型豁。FindAllMarkers函數可以使用多種統計方法來測試表達差異同波，這些方法通過test.use參數來指定剃诅。以下是一些常用的test.use選項及其說明：
Wilcoxon Rank Sum test (
wilcox): 默認的測試方法。這是一種非參數測試纺讲，用于比較兩個獨立樣本的差異。Wilcoxon測試不要求數據符合正態(tài)分布囤屹，適用于連續(xù)或有序的數據熬甚。在尋找差異表達基因時，它比較的是兩個細胞群體中每個基因的表達水平肋坚。Likelihood-Ratio Test for Single Cell Gene Expression (
LR): 這種方法基于似然比測試乡括，適用于計數數據肃廓。它通過比較兩個模型（一個假設基因表達與細胞類型有關，另一個不假設）的擬合度來評估基因表達是否與細胞類型相關诲泌。t-test (
t): 另一種比較兩個群體之間差異的方法盲赊，假設數據服從正態(tài)分布。t-test適用于比較樣本量較小的兩組數據敷扫。在單細胞數據分析中哀蘑，盡管數據可能不完全滿足正態(tài)分布的假設，但t-test仍然被廣泛使用葵第。MAST (
MAST): 專為單細胞RNA序列數據設計的框架绘迁，考慮了零膨脹（許多基因在許多細胞中不被表達的特點）和連續(xù)性（基因表達的變異性）的特點。MAST方法結合了線性混合模型來評估基因表達與細胞狀態(tài)之間的關聯卒密。DESeq2 (
DESeq2): 通常用于RNA序列數據的差異表達分析缀台，通過使用負二項分布模型來處理計數數據，適合處理有大小差異的樣本哮奇。在Seurat中膛腐，雖然DESeq2主要設計用于批量RNA-Seq數據，但也可以用于單細胞數據的差異表達分析鼎俘。negbinom (
negbinom): 負二項回歸測試哲身，適用于計數數據，特別是當數據顯示出超離散性（變異數大于均值）時而芥。這種方法通過對每個基因的表達量進行建模律罢，來考察不同條件下的表達差異。
使用說明：
使用FindAllMarkers函數時棍丐，可以通過設置test.use參數來選擇上述任一方法误辑。選擇哪種方法取決于數據的特性和研究問題。一般而言歌逢，非參數方法（如Wilcoxon測試）更加通用巾钉，而模型基礎的方法（如DESeq2或MAST）可能在特定情況下提供更準確的結果。
示例：
markers <- FindAllMarkers(object = seurat_object, test.use = 'wilcox')
markers_LR <- FindAllMarkers(object = seurat_object, test.use = 'LR')
選擇方法的依據：
- 如果數據分布未知或者偏離正態(tài)分布秘案，優(yōu)先考慮使用非參數測試（如
wilcox）砰苍。 - 如果數據為計數數據，并且希望考慮零膨脹或其他計數數據特有的分布特征阱高，可以選擇
MAST或DESeq2赚导。 - 對于想要利用似然比來評估基因表達差異性的場景，可以選擇
LR赤惊。 - 當數據表現出超離散性時吼旧，
negbinom測試可能是一個好的選擇。
在實際應用中未舟，不同的測試方法可能會得到略有不同的結果圈暗。研究者可以根據具體的研究背景和數據特性掂为，選擇最合適的方法，并可能需要對比多種方法的結果來做出最終決定员串。
