基因表达数据与R cor.test，corr.test或corr？

Question

因此，我有一个非常大的数据框，其布局如下例所示：

line    gene1    gene2    gene3    gene4    gene5  survival
1       4.05     7.65     0.25     0.789    10.5   0.90
2       2.51     4.36     12.5     7.56     8.99   0.50
3       3.65     2.55     48.8     5.65     5.89   0.25   
4       5.65     1.54     8.99     9.2      0.01   0.10

唯一的不同是，我在实际数据中处理的基因超过18,000个。 line指的是蝇遗传线，而在每个“基因”列中的数字指相对于基因表达。 survival是每条线中存活率的比例。 我想做的是将第2列到第5列（基因表达）与第6列（ survival ）相关联。 我已经用cor尝试了这个，并且效果很好：

cor1<-cor(master2[c(2:5)], master2$surv, method="pearson")

但是，我想使用cor.test或corr.test （来自psych软件包）执行此操作，以输出p值并对它们进行一些更正。

我试过了：

cor1<-cor.test(master2[c(2:5)], master2$surv, method="pearson")

并得到：

Error in cor.test.default(master2[c(2:5)], master2$surv, method = "pearson") : 
'x' and 'y' must have the same length

我也尝试过：

cor1<-corr.test(master2[c(2:18141)], master2$surv, method="pearson")

得到：

Error in 1:ncol(y) : argument of length 0

任何帮助将不胜感激！！！

提前致谢，

菲尔

Answer 1

首先，根据我的经验，对大型基因表达数据集执行类似操作时， psych::corr.test()优越得多 ，尤其是对于矩阵矩阵或df矩阵。

psych::corr.test()的优点也是导致该错误的原因。 两个输入都必须是矩阵或数据帧-当您使用master2$surv提取一列时，它不再是数据帧！ 尝试使用master2[,ncol(master2)]提取最后一列。

编辑：

你将能够使用cor.test很好，但你需要sapply第一个参数，即在感兴趣的列2:5在你的榜样。 从性能角度来看，如果它是4列，那可能没什么大不了的，但是如果它是数千列，我会推荐pysch::corr.test 。

Answer 2

这是实现上述apply 。 首先将变量子集作为矩阵：

mat <- df[, 2:5]
survival <- df[, 6]

现在在mat的列上应用cor.test() ：

cor <- apply(mat, 2, function(x) cor.test(survival, x))

提取相关系数

unlist(sapply(cor, "[", 4))

在像样的机器上应该可以轻松实现18,000个变量。