想请教一下，FDR矫正后，p值差距很大怎么整

Question

想问一下大家，FDR矫正后，p值差距很大怎么整，本来显著差异的基因有几万个，矫正完就几十个了，对基因组和基因分析的wilcoxon检验矫正的p值甚至一个显著差异的都没有。想请教一下，用inStrain计算出的breadth，coverage能不能进行过滤处理筛掉低丰度的数据

Answer 1

以下回复参考：皆我百晓生、券券喵儿等免费微信小程序作答:

根据你的描述，FDR矫正后p值差距很大，导致显著差异的基因数量大幅减少。这可能是由于数据中存在一些低丰度的数据，影响了p值的计算和矫正。为了解决这个问题，你可以考虑对基因组和基因分析的wilcoxon检验矫正的p值进行过滤处理，筛掉低丰度的数据。

在R语言中，你可以使用以下方法进行过滤处理：

1. 首先，你需要确定一个合适的过滤阈值，用于筛选高丰度的数据。这个阈值可以根据你的数据特点和实验设计来确定。

2. 使用inStrain计算出的breadth和coverage作为过滤条件。你可以根据inStrain的相关文档或文章来了解如何计算这些指标。

3. 根据确定的过滤条件，删除掉coverage和breadth比较低的genome。

4. 对过滤后的数据进行p值矫正，可以使用R语言中的相应函数进行FDR矫正。

以下是一个示例代码，用于根据coverage和breadth过滤数据并进行p值矫正：

# 假设你的数据存储在一个名为data的数据框中，其中包含coverage和breadth列

# 确定过滤阈值
coverage_threshold <- 10
breadth_threshold <- 5

# 根据过滤条件筛选数据
filtered_data <- data[data$coverage >= coverage_threshold & data$breadth >= breadth_threshold, ]

# 进行p值矫正
corrected_pvalues <- p.adjust(filtered_data$pvalue, method = "fdr")

# 将矫正后的p值添加到数据框中
filtered_data$corrected_pvalue <- corrected_pvalues

# 查看矫正后的显著差异基因数量
significant_genes <- filtered_data[filtered_data$corrected_pvalue < 0.05, ]
num_significant_genes <- nrow(significant_genes)

请根据你的实际情况修改代码中的变量名和阈值，以适应你的数据和需求。