R 中的双向 ANOVA 后每组的多重比较（事后）

Question

我对 R 很陌生，需要一些帮助才能完成我想要的分析。 我有一个 dataframe 像这样（简化）：

   Gene time      Expression
1    Gene1       W1  18.780294
2    Gene2       W1  13.932397
3    Gene3       W1  20.877093
4    Gene1       W2   9.291295
5    Gene2       W2  10.939570
6    Gene3       W2  12.236713
7    Gene1       W3  13.810722
8    Gene2       W3  23.944473
9    Gene3       W3  17.355429

我想知道每个时间点（第 1 周、第 2 周、第 3 周...）的基因（基因 1、2、3）的平均“表达”值之间是否存在显着差异。 例如，我很想知道在第 3 周（第 3 周）Gene1 的表达是否与 Gene2 显着不同我进行了 ANOVA 和 TukeyHSD

my_ANOVA = aov(Expression ~ Gene , data = my_Data)
summary(my_ANOVA)

my_posthoc =TukeyHSD(my_ANOVA, which = "Gene") 
my_posthoc

结果是

  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = Expression ~ Gene, data = my_Data)

$Gene
                 diff       lwr      upr     p adj
Gene2-Gene1 2.3113763 -11.24096 15.86371 0.8631245
Gene3-Gene1 2.8623080 -10.69002 16.41464 0.8002795
Gene3-Gene2 0.5509317 -13.00140 14.10326 0.9914716

它为我提供了 Gene1 与 Gene2 在整个时间线上的总体比较。 但我想具体了解 W1、Gene1 和 2 时间是否不同，或者 W3 时间如何

Answer 1

如果您只想按时间拆分数据并分别运行每个分析，尽管数据集太小而无法产生可用的结果，但这非常简单：

my_Data.W <- split(my_Data, my_Data$time)
lapply(1:3, function(x) summary(aov(Expression~Gene, data=my_Data.W[[x]])))
lapply(1:3, function(x) TukeyHSD(aov(Expression~Gene, data=my_Data.W[[x]])))