关于转录组与代谢组差异筛选

一般在样本量不足或者样本量不均等的时候需要调整p值

这个问题可以从统计学角度来解释。在高通量数据分析中，使用调整P值是为了控制多重比较误差率（Multiple Comparison Error Rate），即当进行多次假设检验时，会出现假阳性（Type I Error）的概率增加的问题。在转录组分析中，由于基因数目较多，进行多次假设检验，因此使用调整P值是比较常见的。而在代谢组分析中，代谢产物数目相对较少，进行多次假设检验的情况比较少，因此可以直接使用P值<0.05作为筛选差异的标准。

对于您提到的特别感兴趣的基因，如果P值<0.05而调整P值>0.05，可以考虑将其作为候选基因进行进一步研究。但需要注意的是，P值只是一个统计学指标，不能单独用来说明生物学意义，需要结合生物学背景进行解释。同时，在进行后续实验验证时，也需要进行统计学校正，以控制假阳性率。

通常情况下,显著性水平的阈值为0.05,即p值小于0.05的基因被认为是显著差异表达的基因。但是,显著性水平的阈值也可以根据实验设计和研究目的进行调整。