R dplyr如何總結

Question

本質上，我正在嘗試繪制一系列在y軸上具有log2倍數變化且在y軸上具有均值計數的圖（觀察結果是基因）。 這些通常稱為MA圖。 我遇到的問題是將我的數據轉換為正確的格式。 我可以通過一個循環來做到這一點，但是想知道正確的方法。

此時，我有兩個數據框架：設計矩陣和數據矩陣。 設計矩陣如下所示（稱為ED_df）：

SampleID     Patient Grade Batch
MD48L_2_B_L1    MD48    G2 Feb15
MD48R_3_B_L1    MD48    G3 Feb15
MD53L_2_B_L1    MD53    G2 Feb15
MD53R_3_B_L1    MD53    G3 Feb15
MD58L_2_B_L1    MD58    G2 Sep15
MD58R_3_B_L1    MD58    G3 Sep15

dim(ED_df)
# [1] 18 6

每行都是唯一的樣本。 每個樣本都來自患者+等級+批次。 在這種情況下，所有患者都按年級（G2或G3）配對。 總共有3個批次。 在第1批和第2批或第2批和第3批中復制了兩名患者。

我的數據矩陣如下所示（稱為data_df）：

      Gene          MD48L_2_B_L1 MD48R_3_B_L1 MD53L_2_B_L1 MD53R_3_B_L1 MD58L_2_B_L1
1 ENSG00000000003    364.26079    329.28730    531.52188    371.67413   275.745038
2 ENSG00000000005     18.92264     49.89201     42.18428     19.42548     1.948728
3 ENSG00000000419    270.59373    261.65590    284.74386    414.41018   293.283591
4 ENSG00000000457    145.70432    125.28439    122.33440    129.50318   148.103342

dim(data_df)
# [1] 31707 18

每列對應一個唯一的樣本。

我想要做的是為每個基因在每個患者批次集中獲得一個log2倍數變化（G3 / G2）。 另外，我想獲得每個患者批次集的均值（G3，G2）。

然后將其繪制為MA圖。

再次，我可以看到如何通過嵌套的for循環痛苦地執行此操作，我想做的就是找出如何通過某種聚合函數來執行此操作。

Answer 1

還有兩個步驟：擴展等級，以便G2和G3最終位於不同的列中，然后進行匯總。 我不確定我是否完全了解您想要的聚合過程，但是我遇到了麻煩。 我包括了gm（幾何平均值）函數的心理軟件包。 在處理比率數據時，這一點很重要。

library(dplyr)
library(tidyr)
library(psych)

data_df %>%
  as.data.frame %>%
  gather(sample, measurement, -gene) %>%
  left_join(ED_df) %>%
  spread(Grade, measurement) %>%
  group_by(Patient, Batch) %>%
  summarize(G2_geometric_mean = G2 %>% gm,
            G3_geometric_mean = G3 %>% gm) %>%
  mutate(geometric_mean_ratio = G3_geometric_mean / G2_geometric_mean)