來自應用於 function coxph 的 lapply 函數的 p.value 過濾

Question

我正在對 566 個基因的每個表達水平進行生存分析。 我通過將 function coxph()與 function lapply結合使用來做到這一點，並且效果很好。 現在，由於考慮了大量基因，我被困在如何進行 P 值過濾以僅保留具有顯着存活率的基因，即當 P <0.05 時。

這是虛擬數據：

 df1 = structure(list(ERLIN2 = structure(c(`TCGA-A1-A0SE-01` = 1L, `TCGA-A1-A0SH-01` = 1L, 
`TCGA-A1-A0SJ-01` = 1L), .Label = c("down", "up"), class = "factor"), 
    BRF2 = structure(c(`TCGA-A1-A0SE-01` = 2L, `TCGA-A1-A0SH-01` = 1L, 
    `TCGA-A1-A0SJ-01` = 2L), .Label = c("down", "up"), class = "factor"), 
    ZNF703 = structure(c(`TCGA-A1-A0SE-01` = 2L, `TCGA-A1-A0SH-01` = 1L, 
    `TCGA-A1-A0SJ-01` = 2L), .Label = c("down", "up"), class = "factor"), 
    time = c(43.4, 47.21, 13.67), event = c(0, 0, 0)), row.names = c("TCGA-A1-A0SE-01", 
"TCGA-A1-A0SH-01", "TCGA-A1-A0SJ-01"), class = "data.frame")

之后，要接收結果，請輸入以下代碼行：

#library
if(!require(survival)) install.packages('survival')
library('survival')

#run survival analysis
df2=lapply(c("ERLIN2",    "BRF2",      "ZNF703"),

       function(x) {

         formula <- as.formula(paste('Surv(time,event)~',as.factor(x)))
         coxFit <- coxph(formula, data = df1)
         summary(coxFit)
       })

從這里開始，我嘗試按如下方式進行 P 值過濾：

for (i in 3){
    df2 = df2 %>% subset(df2[[i]]$logtest[3] < 0.05)
}

但是效率低下！ 任何幫助將不勝感激！

Answer 1

如果您有興趣通過任何變量（在您的情況下為 logtest 的 pvalue）對列表進行子設置，我建議您使用rlist package

library(rlist)

df3 <-  list.filter(df2, logtest[["pvalue"]] < 0.05)

這將按指定的條件過濾列表。 條件也可以嵌套。