DESeq2差异基因筛选：Log2FoldChange、P值和平均表达量过滤

这段R代码展示了如何筛选DESeq2分析结果中的差异表达基因。

代码解释：

1. deseq2.res2 <- deseq2.res[symbol$ENSEMBL,]

   • 这行代码首先根据基因的ENSEMBL ID从 deseq2.res 对象中提取对应的差异表达分析结果。
   • 假设您有一个名为 symbol 的数据框，其中包含基因名和ENSEMBL ID的对应关系。
   • 提取的结果存储在新的 deseq2.res2 对象中。

2. deseq2.res2 <- subset(deseq2.res2, abs(deseq2.res2$log2FoldChange) > 1 & deseq2.res2$pvalue < 0.01 & deseq2.res2$baseMean > 100)

   • 这行代码使用 subset 函数对 deseq2.res2 中的基因进行筛选，只保留符合以下条件的基因：
     • abs(deseq2.res2$log2FoldChange) > 1：基因的log2折叠变化的绝对值大于1，表示基因表达量变化至少为2倍。
     • deseq2.res2$pvalue < 0.01：差异表达的p值小于0.01，表示差异表达具有统计学意义。
     • deseq2.res2$baseMean > 100：基因在所有样本中的平均表达量大于100，用于排除低表达基因的假阳性结果。

总结：

通过这段代码，您可以从DESeq2分析结果中筛选出具有显著差异表达的基因，并根据log2折叠变化、p值和平均表达量进行进一步的分析和解读。