DE analiz sonuçları
PCA ve korelasyon ısı haritasını inceledikten sonra, örneklerimizin PC1 üzerinde iyi kümelendiğini gördük; bu bileşen fibrozise bağlı varyasyonu temsil ediyor gibiydi. PC2 ise smoc2 aşırı ekspresyonuna bağlı varyasyonu temsil ediyor gibi görünüyordu. Veride ek bir varyasyon kaynağı ya da kaldırılması gereken aykırı değerler bulmadık. Bu nedenle DESeq2'yi çalıştırabilir, DE testini yapabilir ve kat değişimlerini küçültebiliriz. Bu adımları senin için uygulayıp nihai sonuçları, res_all, ürettik.
Bu egzersizde, sonuçlardan anlamlı genleri alt kümeye ayırmak ve düzeltilmiş p-değerine göre en üst 10 DE geni çıktıya almak istiyoruz.
Bu egzersiz, kursun bir parçasıdır
R ile Bioconductor kullanarak RNA-Seq
Egzersiz talimatları
subset()fonksiyonunu kullanarak düzeltilmiş p-değeri 0.05'ten küçük olan değerleri çıkar. Alt kümeyidata.frame()fonksiyonunu kullanarak bir veri çerçevesi olaraksmoc2_sigadıyla kaydet verownames_to_column()fonksiyonu ile satır adlarınıgeneIDadlı bir sütuna dönüştür.Anlamlı sonuçları düzeltilmiş p-değerine göre
arrange()ile sırala, Ensembl gen ID'si ve düzeltilmiş p-değerlerini içeren sütunları seç vehead()kullanarak en anlamlı genleri çıktıya al.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Select significant genese with padj < 0.05
smoc2_sig <- subset(___, ___) %>%
___() %>%
___(var = ___)
# Extract the top 6 genes with padj values
smoc2_sig %>%
___(___) %>%
select(___, ___) %>%
head()