【R语言编程：For循环的应用】——批量多行数据按列分组差异分析（KW:Kruskal-Wallis检验，F test：方差分析）用于生信分析

应用场景——按列分组，批量对多行数据进行差异分析

1、DNA甲基化芯片——450K、850K等

DNA甲基化芯片可以自行提取GenomeStudio检测的数据，通常有40多万行，每一行是一个CpG位点，每一列是一个标本，需要按列分组进行差异分析

2、其他微阵列芯片

一些其他微阵列芯片数据，按列分组进行差异分析

3、其他情况

其他需要对多行分别进行按列分组差异分析的情况

第一步：产生数据

随机产生，设置抽取范围，分为低中高三组

Low1 <- runif(50, min = 0, max = 0.333)
Low2 <- runif(50, min = 0, max = 0.333)
Low3 <- runif(50, min = 0, max = 0.333)
Low4 <- runif(50, min = 0, max = 0.333)
Low5 <- runif(50, min = 0, max = 0.333)
Low6 <- runif(50, min = 0, max = 0.333)
Low7 <- runif(50, min = 0, max = 0.333)
Low8 <- runif(50, min = 0, max = 0.333)
Low9 <- runif(50, min = 0, max = 0.333)
Low10 <- runif(50, min = 0, max = 0.333)

Med1 <- runif(50, min = 0.334, max = 0.666)
Med2 <- runif(50, min = 0.334, max = 0.666)
Med3 <- runif(50, min = 0.334, max = 0.666)
Med4 <- runif(50, min = 0.334, max = 0.666)
Med5 <- runif(50, min = 0.334, max = 0.666)
Med6 <- runif(50, min = 0.334, max = 0.666)
Med7 <- runif(50, min = 0.334, max = 0.666)
Med8 <- runif(50, min = 0.334, max = 0.666)
Med9 <- runif(50, min = 0.334, max = 0.666)
Med10 <- runif(50, min = 0.334, max = 0.666)

High1 <- runif(50, min = 0.667, max = 1)
High2 <- runif(50, min = 0.667, max = 1)
High3 <- runif(50, min = 0.667, max = 1)
High4 <- runif(50, min = 0.667, max = 1)
High5 <- runif(50, min = 0.667, max = 1)
High6 <- runif(50, min = 0.667, max = 1)
High7 <- runif(50, min = 0.667, max = 1)
High8 <- runif(50, min = 0.667, max = 1)
High9 <- runif(50, min = 0.667, max = 1)
High10 <- runif(50, min = 0.667, max = 1)

汇总数据

data<-data.frame(Low1,Low2,Low3,Low4,Low5,Low6,Low7,Low8,Low9,Low10,
                 Med1,Med2,Med3,Med4,Med5,Med6,Med7,Med8,Med9,Med10,
                 High1,High2,High3,High4,High5,High6,High7,High8,High9,High10
                 )

第二步：三组间按列分组、批量进行方差分析以及非参数KW检验

数据整理

cn<-colnames(data)#获取数据的原始列名，产生一列新的向量
g<-c('low','low','low','low','low','low','low','low','low','low',
     'medium','medium','medium','medium','medium','medium','medium','medium','medium','medium',
     'high','high','high','high','high','high','high','high','high','high')#针对每一列重新按照分组，产生新的一列命名向量

design<-data.frame(cn,g)#合并两个向量，作为后续按列分组的设计数据框

x<-as.data.frame(data)#虽然之前是按照数据框合并的向量，但是很多情况下数据是矩阵，需要转成数据框格式

产生收集数据结果的空白向量

PvalueF<-c(rep(0,nrow(x)))
Pvaluekw<-c(rep(0,nrow(x)))

计算 p-value

计算思路

按照每一行分开，分行提取数据为ab，按照设计按列分组，前十列为低组，中间十列为中等组，后十列为高组，每一行的数据和每一行的设计分组合并成一个数据框aa，后续针对aa进行差异分析。

方差分析/F test

for(i in 1:nrow(x))
{
  ab<-as.numeric(x[i,1:30])
  b<-design$g
  aa<-data.frame(ab,b)
  y<-aov(ab~b,data=aa)
  PvalueF[i]<-summary(y)[[1]][,5][1]
}

非参数检验，不懂为什么windows上可以顺利操作，mac上有问题，等我搞清楚了再更新一下

for(i in 1:nrow(x))
{
  ab<-as.numeric(x[i,1:30])
  b<-design$g
  aa<-data.frame(ab,b)
  y1=kruskal.test(ab~b,data=aa)
  Pvaluekw[i]<-y1$p.value
}

同时计算方差分析和KW检验

for(i in 1:nrow(x))
  {
  ab<-as.numeric(x[i,1:30])
  b<-design$g
  aa<-data.frame(ab,b)
  y<-aov(ab~b,data=aa)
  PvalueF[i]<-summary(y)[[1]][,5][1]
  y1=kruskal.test(ab~b,data=aa)
  Pvaluekw[i]<-y1$p.value
}

第三步：汇总

合并数据

Totaloutcome<-cbind(data,PvalueF,Pvaluekw)

选择数据p<0.05

wantF<-Totaloutcome[Totaloutcome$PvalueF<0.05,]
wantKW<-Totaloutcome[Totaloutcome$Pvaluekw<0.05,]

引用及思路参考

[1]: 网址 https://mp.weixin.qq.com/s?__biz=MzUzMjYyMDE2OQ==&mid=2247484291&idx=1&sn=39b8f25c31286632ba096b59e955c558&chksm=fab13565cdc6bc7337d400a054ac142697605f6178ec495d8e8ed0c5efc1966d6b76f940fe34&mpshare=1&scene=1&srcid=0519ovSQdmsTXJhq2T1ur5tr&key=680668475bb5566e0b020314321fb7c4a3405700348f55b5013a5317da1b7eec0d2e455db638cba02d8bc0746a0241b76e4cf2d351fc91f1eea274440a0961a7188091704bdde399f698c8fcb10a8498&ascene=0&uin=MjUwNzM1NzUwMQ%3D%3D&devicetype=iMac+MacBookAir7%2C2+OSX+OSX+10.12.6+build(16G29)&version=12010310&nettype=WIFI&lang=zh_CN&fontScale=100&pass_ticket=kKe%2FY0RakLyhPzNU1UAzu%2BNgUZ99e6LQVYB5P8O0uangpGcpSMXna8zFInUJ7kw0

作者简介

何世伟
厦门大学公共卫生硕士
研究方向：表观遗传流行病学、循证医学、生物信息学
联系方式：[email protected]