Question

这是一个包含一些示例数据的矩阵：

                  S1        S2       S3
ARHGEF10L       11.1818   11.0186  11.243
HIF3A            5.2482   5.3847   4.0013
RNF17            4.1956      0        0
RNF10            11.504   11.669.  12.0791
RNF11            9.5995   11.398    9.8248
RNF13            9.6257  10.8249    10.5608
GTF2IP1         11.8053  11.5487    12.1228
REM1             5.6835   3.5408    3.5582
MTVR2               0     1.4714      0
RTN4RL2          8.7486   7.9144    7.9795
C16orf13        11.8009   9.7438    8.9612
C16orf11            0        0         0
FGFR1OP2          7.679   8.7514    8.2857
TSKS             2.3036    2.8491   0.4699

我有一个矩阵“h”，其中10,000个基因作为rownames，100个样本作为列。我需要选择前20％高度可变的基因进行聚类。但我不确定我给的是对还是不对。

因此，对于此过滤，我使用了genefilter R package。

varFilter(h, var.func=IQR, var.cutoff=0.8, filterByQuantile=TRUE)

你认为我给出的命令对于获得前20％高变异基因是正确的吗？有谁能告诉我这种方法如何以统计方式运作？

Answer 1

我自己没有使用过这个软件包，但是你正在使用的函数的帮助文件做了如下注释：

分割数据集时，IQR是一种合理的方差过滤器选择分为两个大致相等且相对同质的表型组。如果您的数据集的重要组小于整体的25％样本量，或者如果您对不寻常的个人级别感兴趣模式，那么IQR可能不够敏感，无法满足您的需求。在这样的在这种情况下，您应该考虑使用不太健壮和更敏感的方差度量（最简单的是sd）。

由于您的数据包含许多小组，因此遵循此建议将var.func更改为var.func = sd可能是明智之举。

sd计算standard deviation，这应该很容易理解。

但是，此函数需要expressionSet对象形式的数据。你得到的错误信息（Error in (function (classes, fdef, mtable) : unable to find an inherited method for function 'exprs' for signature '"matrix"'）暗示你没有那个，而只是一个普通的矩阵。

我不知道如何创建expressionSet，但我认为这样做过于复杂。所以我建议你使用你在评论中发布的代码：

vars <- apply(h, 1, sd)
h[vars > quantile(vars, 0.8), ]

如何基于分位数截止来过滤矩阵中的基因？

1 个答案: