落入窠臼

首先，丢弃未注释的基因对p值的影响大吗？
其次，这个p值有决定性作用吗？

所谓第二点

我从没讲过这第二点，我觉得这没啥好说的，p值不是决定性的，我认同，但这里讲这个有诱导性，我们将其做为一个指标（可以有好多个指标）来参考，必须要保证指标计算的准确性，这是我一直强调的，如果说准确性不重要，那不如瞎蒙。

p值计算的准确性

很明显，kegg数据库的过滤，对背景基因和差异基因的效果是一样一样的！！！
本来是300个差异基因，背景是hgu95av2芯片涉及到的8596个基因！
如果用2011.03.15版本的kegg的基因进行过滤，那么差异基因就只有130个了，背景基因也相应的减少到3802个！！！
如果用2017.03.03版本的kegg的基因进行过滤，那么差异基因就只有150个了，背景基因也相应的减少到4392个！！！
我们有理由相信，随着时间的前进，总有一天，差异基因和背景基因，都不会被过滤了，因为他们被注释完全了！！！
现在过滤，只是因为kegg这个数据库收录的基因很有限而已，到目前为止也就7234个基因！！！

这个犯了基本性的错误，我在上一文第二种情况里讲了，随机不适用于基因列表，试想一下，你做个2d gel，挖出来的差异蛋白点就跟瞎蒙一样？你IP拉下来的蛋白全是非特异性结合（即便如此，也不是随机的），这可能吗？我们在基因池子里钓鱼，我们的鱼饵只有某些鱼会吃，这种情况下，和你拿个网捞鱼必然是不同的。

背景8596个基因里，4392个有注释，然后随机抽出300，有一半有注释，这再正常不过了，又是随机，又是大样本，必然能反映出总体。你何不抽它1000次，画个分布出来证明！完全把自己给绕进去了。

在我说第二种情况时，就说了，其前提条件是随机，随后批了这不可能。其实我还没批完第二种情况呢，所谓第二种情况在成立的条件下，p值差别不大，是相对于第一种情况，有几个数量级的差别。然而第二种情况，即使真是随机，p值的差别你们难道觉得无所谓？三种情况，属于、不属于和不知道，分别可以说是true, false, NA，不过滤的做法，其实是把NA全当成false了，这问题太明显了，不可能全是false，是不是false的比例对于不同的pathway来说也不一样！而具体情况是，NA的东西，它就是NA，鬼知道。

本身知识注释有bias，这是无法回避的现实，然后在计算p值上面，还想当然搞了浑水，再加一层不可捉摸的（姑且也称之为）bias，然后说反正p值也不是决定性的，你干嘛不去瞎蒙！