Question

我正在研究一种寻找甲基化调控基因的方法。该方法在第一步中包括计算样品中每个基因的甲基化和表达数据之间的相关系数。我应用了第一个过滤器，我得到了418个基因的子集，其相关系数是有意义的（小于-0,3）。

下一步是找到每个基因中甲基化和表达的b样条立方回归系数。我的数据包含一个包含两个矩阵的列表，它看起来像这样：

> met.spl[1:5,1:5]
                 AAAS      ABCA7    ABCC12      ABCF1       ACN9
paciente6  0.15013343 0.01489557 0.7987748 0.02826255 0.02169665
paciente7  0.10827520 0.01215497 0.8515188 0.03378193 0.02452192
paciente8  0.12423923 0.01682172 0.4182180 0.03288906 0.02046130
paciente9  0.11779075 0.02198105 0.6101996 0.06389504 0.04574667
paciente10 0.09234602 0.01526621 0.8366319 0.02868425 0.02095470

> exp.spl[1:5,1:5]
              AAAS    ABCA7     ABCC12   ABCF1     ACN9
paciente1 -0.82350 -1.20725  0.6000000 -0.6783  0.64500
paciente2 -1.14075 -0.59575  0.2173333 -0.2644  0.54100
paciente3 -1.43000 -1.72750  1.0015000 -1.1413  0.98625
paciente4 -1.16650 -0.76250  0.4378333 -0.6804 -0.58650
paciente5 -0.51125 -1.10325 -0.1231667 -0.1521  0.02750

为了计算第一个基因模型的系数，我做了以下步骤：

> lm(exp.spl[,1] ~ bs(met.spl[,1]), data = Lshape.spline)$coef
      (Intercept) bs(met.spl[, 1])1 bs(met.spl[, 1])2 bs(met.spl[, 1])3 
      -1.00616163       -0.44292576        0.08767607       -0.61237162

我的目标是为418个选定的基因（在行中）生成一个包含系数（4列）的新对象。

Answer 1

看起来像一个简单的sapply可以在这里工作

library(splines)
sapply(1:ncol(exp.spl), function(i) {
    lm(exp.spl[,i] ~ bs(met.spl[,i]))$coef
})

用

进行测试

met.spl<-read.table(text="AAAS      ABCA7    ABCC12      ABCF1       ACN9
paciente6  0.15013343 0.01489557 0.7987748 0.02826255 0.02169665
paciente7  0.10827520 0.01215497 0.8515188 0.03378193 0.02452192
paciente8  0.12423923 0.01682172 0.4182180 0.03288906 0.02046130
paciente9  0.11779075 0.02198105 0.6101996 0.06389504 0.04574667
paciente10 0.09234602 0.01526621 0.8366319 0.02868425 0.02095470", header=T)

exp.spl<-read.table(text="AAAS    ABCA7     ABCC12   ABCF1     ACN9
paciente1 -0.82350 -1.20725  0.6000000 -0.6783  0.64500
paciente2 -1.14075 -0.59575  0.2173333 -0.2644  0.54100
paciente3 -1.43000 -1.72750  1.0015000 -1.1413  0.98625
paciente4 -1.16650 -0.76250  0.4378333 -0.6804 -0.58650
paciente5 -0.51125 -1.10325 -0.1231667 -0.1521  0.02750", header=T)

两个矩阵中每对元素的样条回归系数R.

1 个答案: