差异表达基因及其变异。(A类)去除噪声和归一化后，七个标准库的均值-方差图。红色虚线是对数图中最佳的线性拟合。斜率给出了指数α正面≈1.9蓝色虚线是通过采样引入的均值-方差线。(B类)鉴别差异表达基因的流水线：（1）测序误差最小化：标签对齐后，在相同位置映射到相同基因的标签被组合在一起；（2） NEB用于规范不同序列深度的不同库；（3） 过滤以删除少于两个库中计数≥3/百万的标记，然后是日志2转型；（4） SAM用于检测差异表达基因。(C)检测到差异表达基因(顶部)和激活的途径(底部)在SAGE-Seq和传统SAGE中。SAGE-Seq以1%的FDR识别约4000个差异基因，而传统SAGE以更宽松的截止值（10%的FDR）识别<200个差异基因。在P（P）=0.001，SAGE-Seq确定了99条在乳腺癌中显著激活的通路，而传统SAGE仅显示32条。仅由SAGE-Seq识别而被传统SAGE遗漏的80条通路均为乳腺癌相关通路。(天)重叠比率（定义为重叠基因数除以顶部传统SAGE中的基因数x个差异表达基因的百分比，其中x个在0和1之间更改。黑色符号表示实际数据（SAGE-Seq与传统SAGE）。这表明SAGE-Seq和传统SAGE之间的顶级差异表达基因列表几乎没有重叠。红色符号表示模拟（SAGE-Seq与向下采样的SAGE-Seq）。抽样SAGE-Seq意味着从每个SAGE-Seq库中对50 k个标签进行二项抽样；50000是传统SAGE的典型测序深度。模拟证实了与实际数据相同的结论：与传统的SAGE相比，SAGE-Seq给出了不同的差异表达基因列表。更深入的测序表明，传统SAGE与SAGE-Seq相比识别出不同组的差异表达基因，从而证实了我们的结论，即传统SAGE缺乏足够的测序深度。
