这个时候，生信也需要meta分析来解决

例如，我们想某一个基因的临床研究价值时，我们往往会进行差异分析。假如genexxx是我们感性兴趣的基因，我们想知道它在某癌症中的表达是否与正常组织有差异，我们就可以同过测定它的表达量。结果，我们实验室的结果是genexxx在某癌症中的表达远远高于正常组织，但是隔壁实验室测得的结果是没有差异，隔壁实验室的隔壁实验室的结果是genexxx在某癌症中的表达远远低于正常组织，然后，对面楼的实验室测得的结果也genexxx在某癌症中的表达远远高于正常组织。面对这样的情况，我们该如何下结论呢？到底它在癌症中的表达是高，还是低呢？真是令人头头大。

不过，面对这样具有争议性的问题，我们可以通过meta分析进行分析，以得出综合性的结论。于是，我们将能找到的相关数据进行meta分析。然后就得到这样的图

一看图就知道原来在两种条件下表达没有差异，终于雨过天晴了。但是meta分析本身也是一种有争议的方法，meta分析反对派认为苹果和橘子不能合并。即使这样貌似也不影响发文章，很多文章直接将GEO芯片数据与TCGA的转录组数据合并，一样能够发文章。

希望本文对大家有所帮助。