DE 分析结果
在探索 PCA 和相关性热图后，我们发现样本在 PC1 上聚类良好，PC1 似乎代表由纤维化导致的数据变异；PC2 则似乎代表由 smoc2 过表达导致的变异。我们没有发现其他主要变异来源，也没有需要移除的离群值。因此，可以继续运行 DESeq2、进行差异表达检验，并对倍数变化进行收缩。我们已为您完成这些步骤，生成了最终结果 res_all。
在本练习中，您需要从结果中筛选出显著基因，并按校正后的 p 值输出前 10 个差异表达基因。
本练习是课程的一部分
使用 R 中的 Bioconductor 进行 RNA-Seq 分析
练习说明
使用
subset()函数提取校正后 p 值小于 0.05 的行。使用data.frame()函数将结果保存为名为smoc2_sig的数据框，并用rownames_to_column()函数把行名转换为名为geneID的一列。使用
arrange()函数按校正后 p 值对显著结果排序，选择包含 Ensembl 基因 ID 和校正后 p 值的列，并用head()输出最显著的前若干基因。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Select significant genese with padj < 0.05
smoc2_sig <- subset(___, ___) %>%
___() %>%
___(var = ___)
# Extract the top 6 genes with padj values
smoc2_sig %>%
___(___) %>%
select(___, ___) %>%
head()