ผลลัพธ์การวิเคราะห์ DE
หลังจากสำรวจ PCA และ correlation heatmap แล้ว พบว่าตัวอย่างของเรามีการรวมกลุ่มที่ดีบน PC1 ซึ่งดูเหมือนจะแสดงถึงความแปรปรวนในข้อมูลที่เกิดจาก fibrosis และ PC2 ซึ่งดูเหมือนจะแสดงถึงความแปรปรวนที่เกิดจากการ overexpression ของ smoc2 นอกจากนี้ยังไม่พบแหล่งความแปรปรวนอื่นหรือ outlier ที่ต้องนำออก จึงดำเนินการรัน DESeq2 การทดสอบ DE และการ shrink fold change ได้เลย เราได้ดำเนินการขั้นตอนเหล่านี้ให้แล้ว เพื่อสร้างผลลัพธ์ขั้นสุดท้ายใน res_all
ในแบบฝึกหัดนี้ เราจะกรองยีนที่มีนัยสำคัญออกจากผลลัพธ์ และแสดง DE gene อันดับต้น ๆ 10 ตัวตาม adjusted p-value
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
RNA-Seq ด้วย Bioconductor ใน R
คำแนะนำการฝึกหัด
ใช้ฟังก์ชัน
subset()เพื่อดึงค่าที่มี adjusted p-value น้อยกว่า 0.05 บันทึก subset นี้เป็น data frame ชื่อsmoc2_sigโดยใช้ฟังก์ชันdata.frame()และแปลง row names ให้เป็นคอลัมน์ชื่อgeneIDด้วยฟังก์ชันrownames_to_column()เรียงลำดับผลลัพธ์ที่มีนัยสำคัญตาม adjusted p-value โดยใช้ฟังก์ชัน
arrange()เลือกคอลัมน์ที่มี Ensembl gene ID และ adjusted p-value จากนั้นแสดง gene ที่มีนัยสำคัญอันดับต้น ๆ ด้วยhead()
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Select significant genese with padj < 0.05
smoc2_sig <- subset(___, ___) %>%
___() %>%
___(var = ___)
# Extract the top 6 genes with padj values
smoc2_sig %>%
___(___) %>%
select(___, ___) %>%
head()