1. 由于没有生物学重复，所以不能使用DESeq进行差异分析（不能使用华东师兄的snakemake流程）

会报错，报错如下，交给AI解析

2. 解决方法：使用NOISeq计算

参考文献：

NOISeq示例（需安装NOISeq包）

# NOISeq示例（需安装NOISeq包）
library(NOISeq)
# 加载包
library(NOISeq)
library(dplyr)

# ----------------------
# 1. 确保样本信息匹配（先验证）
# ----------------------
# 确认计数矩阵（列=样本）和metadata（行=样本）数量一致
cat("计数矩阵样本数：", ncol(counts_filtered), "\n")
cat("metadata样本数：", nrow(metadata), "\n")
cat("计数矩阵样本名：", colnames(counts_filtered), "\n")
cat("metadata样本名：", metadata$sample_id, "\n")

# 若顺序不一致，重新排序metadata（关键！）
metadata <- metadata[match(colnames(counts_filtered), metadata$sample_id), ]

# ----------------------
# 2. 构建NOISeq输入对象
# ----------------------
noiseq_data <- readData(
  data = counts_filtered, 
  factors = metadata  # 仅需包含样本分组（如group列）
)

# ----------------------
# 3. 用 noiseq 函数（适配无重复）替代 noiseqbio
# ----------------------
# 核心参数：
# - k = 0.5：无重复时的变异模拟参数（推荐默认值）
# - norm = "n"：按测序深度归一化
# - factor = "group"：分组列名（需与metadata一致）
noiseq_res <- noiseq(
  input = noiseq_data,
  k = 0.5,
  norm = "n",
  factor = "group",
  condition = c("control", "treatment")  # 明确指定两组名称（按你的实际分组修改！）
)

# ----------------------
# 4. 筛选差异基因（基于差异概率q）
# ----------------------
# q = 0.8：差异概率≥80%（可调整，如q=0.9更严格）
deg_noiseq <- degenes(noiseq_res, q = 0.8)

# 转换为数据框，添加基因ID列
deg_df <- as.data.frame(deg_noiseq) %>%
  rownames_to_column("gene_id") %>%
  arrange(desc(prob))  # 按差异概率降序排序

# 输出差异基因结果
write.csv(deg_df, "D:/NOISeq_DEGs.csv", row.names = FALSE, quote = FALSE)