Résultats de l'analyse DE

Après avoir exploré l'ACP et la carte thermique de corrélation, nous avons observé un bon regroupement de nos échantillons sur PC1, qui semblait représenter la variation des données due à la fibrose, et sur PC2, qui semblait représenter la variation due à la surexpression de smoc2. Nous n'avons trouvé ni autres sources de variation dans les données ni valeurs aberrantes à retirer. Nous pouvons donc poursuivre avec DESeq2, les tests de DE et la réduction des coefficients de changement (fold change). Nous avons effectué ces étapes pour vous afin de produire les résultats finaux, res_all.

Dans cet exercice, vous devez extraire du jeu de résultats les gènes significatifs et afficher les 10 principaux gènes DE selon la valeur p ajustée.

Cette activité fait partie du cours

RNA-Seq avec Bioconductor dans R

Voir le cours

Instructions de l’exercice

Utilisez la fonction subset() pour extraire les lignes dont la valeur p ajustée est inférieure à 0,05. Enregistrez le sous-ensemble comme trame de données nommée smoc2_sig en utilisant la fonction data.frame() et en convertissant les noms de lignes en une colonne nommée geneID à l'aide de la fonction rownames_to_column().
Triez les résultats significatifs par valeurs p ajustées à l'aide de la fonction arrange(), sélectionnez les colonnes contenant l'identifiant de gène Ensembl et les valeurs p ajustées, puis affichez les gènes les plus significatifs avec head().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Select significant genese with padj < 0.05
smoc2_sig <- subset(___, ___) %>%
  				___() %>%
  				___(var = ___)

# Extract the top 6 genes with padj values
smoc2_sig %>%
	___(___) %>%
	select(___, ___) %>%
	head()

Modifier et exécuter le code