1、可以设置差异阈值大于1筛选差异基因；

2、别人的结果只是用于讨论分析你的结果，可类似也可不同；

3、可以分析不同药物浓度下，差异阈值大于1差异基因的异同，这样似乎可以分析哪些基因对该药物敏感程度啊；##这个可以考虑作为文章内容的重点部分

4、可以考虑第3部分的药物敏感程度基因以高亮标示在GO、KEGG分析中，重点分析这些基因参与的生物学进程及参与的信号通路；

5、综上，可以发一篇SCIE；

这里主要看几个问题：

第一你的研究是否存在生物学重复，如果存在生物学重复，那么1.5倍差异比较少的原因首先要考虑生物学不佳，即药物处理不稳定引起的差异基因过少的问题，这个时候推荐你首先进行整体样本的PCA分析，查看一下样本的重复性，简单一点的可以采用Excel的=correl命令查看两组数据的相关性。以及组间的相关性，这里可能需要你剔除一些比较异常的异常样本后再进行分析，

第二你的这个药物处理是否能观察到明确表型，不管是物理的还是化学的还是生物学的，只要显著性的差异表型，那么就意味着这个实验是成功的。差异基因少也是可以接受，即使只有60-70也是有可能。部分下游基因的敲出后，也就100-200差异基因。另外药物处理的时间点也很考究，比如，极短时间会有部分基因优先超表达，远期这些基因会下降。看你的采样时间也决定了效果。

第三你的算法采用，以及显著性阈值选择，一般来说测序数据FC=1.5倍，FDR0.05，芯片数据FC=1.5倍，P-Value0.05都是可以接受的阈值。如果卡得偏小，也可能会有影响。当然，还建议采用正确的算法，差异筛选一般用DESeq，EBSeq（测序），和Limma（芯片），别用t-test了。

如果以上几点都没有问题，有表型，并且没有异常点，阈值也合适。那么需要纠正一个误区，差异基因个数不是多就是对的。不同的处理效果就该有不同的差异基因数量。几十到几千都是很常见的，都是可以发文章的。只是差异基因少的时候Pathway分析意义不大，需要你对于这些基因进行逐一研究，选择研究点，或者参考GO分析的结果。