哈佛大学——差异表达分析（十一）汇总结果并提取显著性基因列表

学习目标

1. 汇总每次比较的显著差异表达基因
2. 提取重要基因的列表

汇总结果

要汇总结果表，DESeq2中一个方便的函数是summary()。令人困惑的是，它与用于检查数据框的函数同名。当以DESeq结果表作为输入调用此函数时，将使用默认阈值padj < 0.1汇总结果。但是，由于我们在创建结果表时将alpha参数设置为0.05，所以阈值为FDR < 0.05(尽管输出显示p-value < 0.05，仍然使用padj/FDR)。让我们从OE vs控制结果开始:

## Summarize results
summary(res_tableOE, alpha = 0.05)

out of 38903 with nonzero total read count
adjusted p-value < 0.05
LFC > 0 (up)       : 2004, 5.2%
LFC < 0 (down)     : 2770, 7.1%
outliers [1]       : 28, 0.072%
low counts [2]     : 20580, 53%
(mean count < 13)
[1] see 'cooksCutoff' argument of ?results
[2] see 'independentFiltering' argument of ?results

除了在默认阈值下，上调和下调的基因数量外，该功能还展示被检测的基因数量(总读数为非零的基因)，以及由于平均计数较低而不包括在多重检验校正中的基因数量。、

提取显著DE基因

让我们首先创建包含阈值标准的变量。我们只会在我们的标准中使用调整后的p值:

### Set thresholds
padj.cutoff <- 0.05

我们可以使用filter()函数轻松地取结果表格子集，只包含那些重要的结果，但是首先我们要将结果表转换为一个tibble:

# Create a tibble of results
res_tableOE_tb