[英]Performing rowwise t.test on a dataframe with unequal replicates for different observations
例如,我有一个 dataframe 有 11 列(附上示例截图)。 第一列列出了所有基因,接下来的十列是对照(C1-C5)
和处理(T1-T5)
样本的测量值。 测量未配对。
我想执行逐行 t.test 并为每个基因添加一个 p 值列作为 dataframe 的最后一列。 但是,正如您在我的数据中看到的那样,由于实验的执行方式,我没有对每个基因的所有重复(在控制和处理条件下)进行所有测量。 所以我在很多行中有几个 NA 值。
如何在此 dataframe 中执行 rowwise t.test 而不会因为 NA 值而失败? 谢谢!
据我所知, t.test 不适用于NA's
。 因此,如果我们执行以下操作:
Input = ("GeneID C1 C2 C3 C4 C5 T1 T2 T3 T4 T5
Gene1 5 1 7 9 2 7 5 4 4 3
Gene2 3 6 5 NA NA 5 1 3 NA NA
Gene3 2 3 NA NA NA NA 1 6 NA NA
Gene4 3 4 5 6 NA 3 4 5 NA NA")
df = as.data.frame(read.table(textConnection(Input), header = T, row.names = 1))
df$pval <- apply(df,1,function(x) {t.test(x[2:6],x[7:11])$p.value})
这将导致错误,例如肯定not enough 'x' observations
。 有两种选择,您可以忽略NA's
,因此对于Gene2
,我们将有C1,C2,C3 vs T1,T2,T3
因为我们只有这些观察结果。 其次,我们可以执行非参数测试,它的功率较小但更“灵活”。 T.test 很好,但必须满足很多假设。 样本的数量应该相当大并且相等 C vs T。更重要的是,这些组应该具有正态分布,至少它们之间是相似的,这也是指方差......否则你的测试会被扭曲。 我会推荐这样的东西:
df$pval <- apply(df,1,function(x) {wilcox.test(x[2:6],x[7:11])$p.value})
C1 C2 C3 C4 C5 T1 T2 T3 T4 T5 pval
Gene1 5 1 7 9 2 7 5 4 4 3 0.7109920
Gene2 3 6 5 NA NA 5 1 3 NA NA 0.1386406
Gene3 2 3 NA NA NA NA 1 6 NA NA 1.0000000
Gene4 3 4 5 6 NA 3 4 5 NA NA 1.0000000
在这里查看并检查符合您数据特征的wilcox.test()
的可用 arguments。 不过请记住,如果测量次数减少,那么测试的准确性和威力会更差。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.