我试图对标签不平衡数据进行差异表达;我的情况：控制比例为2：1。
我知道回归是DESeq2机制的核心，我知道回归有内部机制来应对这种不平衡。
具体而言，您可以从过度代表的群体中减少观察量，以强制对学习做出同等贡献。 DESeq2中的用户是否可以使用观察权重？
小组a在学习中过度代表：
glm( gene_i ~ effect , data[,c('a','a','a','a','b','b')] )
小组a和b在学习方面的代表性相同：
glm( gene_i ~ effect , data[,c('a','a','a','a','b','b')] , weight=c(.5,.5,.5,.5,1,1) )