R:从t.test获得每个基因的p值

时间:2018-08-28 21:14:03

标签: r

我正在使用Bioconductor套件(ALL数据集),并尝试对每个基因进行t.test。目的是查看性别之间的基因表达差异。我可以通过以下步骤来进行基本的t.test测试:

> males <- exprs[, pData(ALL)$sex == "M"]
> females<-exprs[, pData(ALL)$sex == "F"]
> t.test(males, females)

但是,当我尝试应用apply函数为每个基因提取一个p值时,该命令永无止境,只是不断循环(我认为)。

pvals=apply(exprs,1,function(x) {t.test(x[males],x[females])$p.value})

这是一个男性样本,共有12625行(即探针ID)。

> males
                                01005     01010     04006     04007     04008
1000_at                      7.597323  7.479445  7.384684  7.905312  7.065914
1001_at                      5.046194  4.932537  4.922627  4.844565  5.147762
1002_f_at                    3.900466  4.208155  4.206798  3.416923  3.945869
1003_s_at                    5.903856  6.169024  6.116890  5.687997  6.208061

3 个答案:

答案 0 :(得分:1)

这里有一些可以帮助您入门的东西。 (冒着重蹈覆辙的危险;-)请注意,这更多的是统计/计算练习,而不是您真正应该做的事情;正如我的评论中所解释的,存在表征差异基因表达的复杂方法。比较而言,t检验(或ANOVA)是一种非常粗糙的方法。

  1. 我们加载所有库和数据。

    library(ALL)
    data(ALL)
    
  2. 为表征男性和女性个体的平均探针强度差异,我们执行了两样本双向t检验,并将结果存储在list中。

    lst <- apply(exprs(ALL), 1, function(x)
        t.test(x[which(pData(ALL)$sex == "M")], x[which(pData(ALL)$sex == "F")]))
    
  3. 我们提取每个探针的t统计量,平均探针强度和p值的差,并将结果存储在data.frame中。

    df <- do.call(rbind, lapply(lst, function(x) c(
        statistic = unname(x$statistic),
        diff = unname(diff(x$estimate)),
        pval = unname(x$p.value))))
    
  4. 我们使用Benjamini and Hochberg的FDR方法校正了多个假设检验的p值。

    df <- transform(df, padj = p.adjust(pval, method = "BH"))
    
  5. 我们检查了df的前10行(从最小到最大调整后的p值排序)。

    head(df[order(df$padj), ], n = 10)
    #        statistic       diff         pval         padj
    #37583_at  18.935092 -1.7717178 1.710570e-36 2.159594e-32
    #38355_at  20.542586 -4.9979077 6.129942e-32 3.869526e-28
    #41214_at  21.494496 -4.3233221 3.937217e-31 1.656912e-27
    #34477_at  14.469711 -1.1639971 2.606867e-28 8.227924e-25
    #35885_at  14.417265 -1.4006757 5.806146e-28 1.466052e-24
    #38446_at -14.357159  2.3848176 1.956173e-21 4.116115e-18
    #38182_at  11.052181 -0.7151076 1.140089e-19 2.056232e-16
    #40097_at   9.401626 -0.5798433 8.801566e-16 1.388997e-12
    #36321_at   9.208492 -0.6499951 1.823511e-15 2.557981e-12
    #31534_at   8.939350 -0.5113203 1.077008e-14 1.359723e-11
    
  6. 我们在火山图上显示结果

    ggplot(df, aes(diff, -log10(padj))) +
        geom_point() +
        labs(x = "Difference in mean probe intensity", y = "Adjusted p-value")
    

enter image description here

答案 1 :(得分:0)

多亏了Maurits,我得以使用他的代码来回答我的问题。我还开发了以下完成任务的片段(我实际上更喜欢Maurits的解决方案,但这是完成任务的另一种方法:

> exprs<-exprs(ALL)
> pval<-numeric()
> p.dat<-pData(ALL)$sex
> r.sims<-nrow(exprs)
> for(gene in 1:r.sims) { 
+ gexprs<-exprs[gene,]
+ g.data<-data.frame(gexprs,p.dat)
+ ttest<-t.test(gexprs[p.dat=="M"],gexprs[p.dat=="F"])
+ pval[gene]<-ttest$p.value
+ }

答案 2 :(得分:0)

如果允许您使用外部软件包,则:

library(matrixTests)
row_t_welch(exprs[, pData(ALL)$sex == "M"], exprs[, pData(ALL)$sex == "F"])

这是假设基因成行书写。