Rezultatele analizei DE

După explorarea PCA și a heatmap-ului de corelație, am observat o grupare clară a eșantioanelor pe PC1, care pare să reprezinte variația din date datorată fibrozei, și pe PC2, care pare să reflecte variația cauzată de supraexpresia smoc2. Nu am identificat surse suplimentare de variație în date și nici valori aberante de eliminat. Prin urmare, putem continua cu rularea DESeq2, testarea DE și reducerea fold changes-urilor. Am efectuat acești pași în avans pentru a genera rezultatele finale, res_all.

În acest exercițiu, vom extrage genele semnificative din rezultate și vom afișa primele 10 gene DE după p-valoarea ajustată.

Acest exercițiu face parte din cursul

RNA-Seq cu Bioconductor în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește funcția subset() pentru a extrage valorile cu o p-valoare ajustată mai mică de 0,05. Salvează subsetul ca un data frame numit smoc2_sig, folosind funcția data.frame() și convertind numele rândurilor într-o coloană numită geneID cu ajutorul funcției rownames_to_column().
Ordonează rezultatele semnificative după p-valorile ajustate cu funcția arrange(), selectează coloanele cu ID-ul genei Ensembl și p-valorile ajustate, apoi afișează primele gene semnificative folosind head().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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

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

Editează și rulează codul