Risultati dell'analisi DE
Dopo aver esplorato la PCA e la heatmap di correlazione, abbiamo osservato un buon clustering dei campioni sul PC1, che sembra rappresentare la variazione dovuta alla fibrosi, e sul PC2, che appare legata alla variazione dovuta all'overespressione di smoc2. Non abbiamo riscontrato ulteriori fonti di variazione né outlier da rimuovere. Possiamo quindi procedere eseguendo DESeq2, i test DE e lo shrinkage dei fold change. Abbiamo già eseguito questi passaggi per te per generare i risultati finali, res_all.
In questo esercizio, vogliamo creare un sottoinsieme con i geni significativi dai risultati e mostrare i 10 geni DE principali ordinati per p-value aggiustato.
Questo esercizio fa parte del corso
RNA-Seq con Bioconductor in R
Istruzioni dell'esercizio
Usa la funzione
subset()per estrarre i valori con p-value aggiustato inferiore a 0.05. Salva il sottoinsieme come data frame chiamatosmoc2_sigutilizzando la funzionedata.frame()e converti i nomi di riga in una colonna chiamatageneIDconrownames_to_column().Ordina i risultati significativi per p-value aggiustato usando la funzione
arrange(), seleziona le colonne con l'ID di gene Ensembl e i p-value aggiustati, e mostra i geni più significativi conhead().
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Select significant genese with padj < 0.05
smoc2_sig <- subset(___, ___) %>%
___() %>%
___(var = ___)
# Extract the top 6 genes with padj values
smoc2_sig %>%
___(___) %>%
select(___, ___) %>%
head()