Question

我正在尝试使用Bioconductor's sva package应用代理变量分析。 the vignette中的示例工作正常，但当我使用真实数据进行尝试时，我在irwsva.build中得到了“下标越界”错误：

$ R

R version 2.15.0 (2012-03-30)
…
> trainData <- read.table('http://www.broadinstitute.org/~ljosa/svaproblem/trainData.txt')
> trainpheno <- read.table('http://www.broadinstitute.org/~ljosa/svaproblem/trainpheno.txt')
> testData <- read.table('http://www.broadinstitute.org/~ljosa/svaproblem/testData.txt')
> trainData <- as.matrix(trainData)
> testData <- as.matrix(testData)
> library(sva)
> trainMod <- model.matrix(~as.factor(label), trainpheno)
> num.sv(trainData, trainMod)
[1] 8
> trainMod0 <- model.matrix(~1, trainpheno)
> trainSv <- sva(trainData, trainMod, trainMod0)
Number of significant surrogate variables is:  8 
Iteration (out of 5 ):1  2  3  4  5  Error in irwsva.build(dat = dat, mod = mod, mod0 = mod0, n.sv = n.sv,  : 
  subscript out of bounds

尝试使用debug()缩小范围时，显示{45} x 100矩阵全部为零fast.svd。（尺寸453 x 100与我的训练集相同。）这导致V为100 x 0; “下标越界”错误是因为irwsva.build尝试索引到V。我的数据一定有一些导致这种行为的东西 - 但是什么？

作为一种可行的解决方法，我尝试使用sva调用method="two-step"：

> trainSv <- sva(trainData, trainMod, trainMod0, method='two-step')
Number of significant surrogate variables is:  8

这很有效，但我需要随后致电fsva。失败是因为使用sva调用method="two-step"导致trainSv$pprob.b为NULL。

那么我的数据与插图中的数据有何不同？两种情况下的训练和测试数据都是矩阵。在小插图中，训练矩阵为22283 x 30;在我的情况下，它是453 x 100.在小插图中，感兴趣的变量（癌症）是二进制的;在我的例子中，因变量可以采用12个不同的值。

最后的差异似乎很重要，因为如果我将范围缩小到[0,7]，它就有效：

> trainMod <- model.matrix(~as.factor(label), trainpheno %% 8)
> trainSv <- sva(trainData, trainMod, trainMod0)
Number of significant surrogate variables is:  9 
Iteration (out of 5 ):1  2  3  4  5  >

考虑到可能有100个样本（列）仅适用于12个类，我尝试了一个包含293列的类似数据集。（这些数据来自同一个实验，但对293个样本进行了分析，而不是100个处理。）它没有帮助：

> trainData <- read.table('http://www.broadinstitute.org/~ljosa/svaproblem/trainData3.txt')
> trainpheno <- read.table('http://www.broadinstitute.org/~ljosa/svaproblem/trainpheno.txt')
> trainData <- as.matrix(trainData)
> trainMod <- model.matrix(~as.factor(label), trainpheno)
> trainMod0 <- model.matrix(~1, trainpheno)
> trainSv <- sva(trainData, trainMod, trainMod0)
Number of significant surrogate variables is:  11 
Iteration (out of 5 ):1  2  3  4  5  Error in irwsva.build(dat = dat, mod = mod, mod0 = mod0, n.sv = n.sv,  : 
  subscript out of bounds

如果我将sva限制为一次迭代，它可以运行完成，但我不知道我是否可以信任结果：

> trainSv <- sva(trainData, trainMod, trainMod0, B=1)
Number of significant surrogate variables is:  11 
Iteration (out of 1 ):1  >

有没有人理解irwsva足以说出为什么会这样？我有什么办法可以让它适用于我的数据吗？

Answer 1

失败的近因是irwa.build使用快速奇异值分解，它只返回矩阵的正奇异值，如?fast.svd中所述。在您的数据中，唯一值为零，这不是正数，因此您必须使用纯svd代替fast.svd。

我创建了一个修补函数sva.patched，它会稍微修补irwa.build和sva函数来处理这种外部情况。我基本上改变了irwa.build中的一行：

# Before
sv = fast.svd(dats, tol = 0)$v[, 1:n.sv]
# After
if(any(dats!=0)) sv = fast.svd(dats, tol = 0)$v[, 1:n.sv]
else sv=svd(dats)$v[, 1:n.sv]

您可以选择代码here：

但真正的问题是，为什么这些数据最终会产生零值矩阵？我不太了解这种方法，但我可以给你一些线索。

据我所知，您正确使用了这些功能。但是，如果检查循环irwsva.build函数，您将发现如果edge.ldfr函数返回0，它将返回零矩阵。当没有返回p值时，此函数将仅返回零f.pvalue以上，大于0.8。

分解irwa.build，这是从数据开始的方式：

dat=trainData
mod=trainMod
mod0=trainMod0
Id <- diag(ncol(dat))
resid <- dat %*% (Id - mod %*% solve(t(mod) %*% mod) %*% t(mod))
uu <- eigen(t(resid) %*% resid)
# Iterations begin.
mod.b <- cbind(mod, uu$vectors[, 1:n.sv])
mod0.b <- cbind(mod0, uu$vectors[, 1:n.sv])
ptmp <- f.pvalue(dat, mod.b, mod0.b)
which(ptmp>0.8)
# Only one value

现在，第一次进行循环时，只有一个p值高于0.8。通过第二次迭代，没有，这是所有零的原因。

如果在晕影数据上运行相同的代码，您会发现它有许多高于0.8的p值，这就是它不会返回错误的原因。

Answer 2

John Leek（sva）on the Bioconductor mailing list的作者回复：

这个问题很可能是因为基因/特征数量很少   你正在考虑（453）和反应的高维度   变量（12）。有这么多不同级别的响应变量，   许多功能可能与响应显着相关。   sva算法中的部分迭代是减重功能   与响应密切相关，因此整个数据集正在进行中   降低到0。

我建议只运行一次sva迭代。通常需要一个   收集的迭代次数非常少，而且数据也是如此   特征数量相对较低，这可能是   如果你正在进行人工制品发现，那么你可以做的最好。

代理变量分析失败，“下标越界”

2 个答案: