p.adjust尊重整个数据框架

Question

我有一个p.value数据框，每列都有变量名。

我的代码是sapply(pval,p.adjust,method="fdr")。

此代码返回每列的qvalue调整基数，这意味着基于每列的p等级然后进行调整。

如何针对整个数据框执行fdr，这意味着p在所有数据中排名？

Answer 1

这可能不是最有效的方式，因为它需要大量的转换，但对于小型data.frames应该没问题：

示例数据（假设p值的数据帧）：

set.seed(100)
pval <- data.frame(a=runif(100), b=runif(100))

现在，为了计算调整后的p值，我使用magrittr包只是为了让它更容易阅读。你基本上可以使用嵌套函数：

library(magrittr)
pval %>% 
     as.matrix %>% 
     as.vector %>% 
     p.adjust(method='fdr') %>% 
     matrix(ncol=2)

基本上，通过上述方法，您可以将data.frame转换为矩阵，然后转换为矢量，然后根据所有值调整p值，然后重新构建矩阵。

上述内容可以用基数R写成：

matrix(p.adjust(as.vector(as.matrix(pval)), method='fdr'),ncol=2)

Answer 2

保留行名和列名的另一种方法是将平方矩阵转换为长矩阵，计算padj，然后将其转换回来：

longPVal=t(data.frame(row.names = c('G1','G2','R','P'), stringsAsFactors = F))

for(rr in rownames(pval)){ #Convert to long format (maybe MELT helps here?)
  for(cc in colnames(pval)){
    longPVal=rbind(fullSpear,c(rr,cc,dat1[rr,cc],pval[rr,cc]))
  }
}
longPVal[,'ADJP']=p.adjust(longPVal[,'P'], method = 'BH') #Correction

out=data.frame(stringsAsFactors = F) #Rebuild the squared matrix of adjP
for(rr in rownames(pval)){
  for(cc in rownames(pval)){
    rowdat=longPVal[which(longPVal[,'G1']==rr & fullSpear[,'G2']==cc),]
    out[rr,cc]=rowpos['ADJP']
  }
}

Answer 3

我遇到过这个问题。

检查p.adjust的用法，如下所示 p.adjust(p, method = p.adjust.methods, n = length(p))

实际上，我们可以将“n”更改为矩阵的长度，因此，一个简单的应用应该以这种方式工作：

pvalue_adjusted_matrix <- apply(pvalue,2,p.adjust,method="fdr", n = length(pvalue))