如何使用"if“来克服数据本质上是r中的常量错误？

Question

我需要比较细菌基因表达丰度的对照和疾病样本。我有一个由R.读取的大数据集，它包含58,000行不同的基因，以及6列。前三栏表示控制中的数值，其余三列来自疾病患者。

数据是一个矩阵，所有的值都是数值。

我对R是新手，我试图弄清楚如何包含一个"if“来防止错误”数据本质上是恒定的“，我认为这是因为很多基因表达值在疾病组和对照组中都是相同的(两个组中的一些基因表达值也是0)。

我使用的代码如下；

pvalues <- apply(finalgenecount, 1, function(currRow)
    { t.test(currRow[4:6], currRow[1:3])$p.value } )

我基本上需要找出哪一种基因在疾病和对照中最丰富，我打算用折叠式改变来根据上述编码中的pvalue来确定哪些基因在疾病组中增加。

我正在努力地加入一个“如果”来正确地克服我的错误。

如果你有什么建议，请告诉我。谢谢你

准确的错误信息：

Error in t.test.default(currRow[4:6], currRow[1:3]) : 
  data are essentially constant is the error message.

Answer 1

我发现解决这个问题的最好方法是分别编写函数，然后使用apply函数。

首先，我们有reprex数据。

dat <- structure(c(37L, 1L, 187L, 97L, 162L, 16L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 
                   0L, 3L, 6L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
                   0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
                 .Dim = c(6L, 6L), 
                 .Dimnames = list( c("gene1_36040_cov_12.4365_1", 
                                     "gene2_36040_cov_12.4365_3", 
                                     "gene3_32139_cov_10.3119_1", 
                                     "gene4_32139_cov_10.3119_2", 
                                     "gene5_32139_cov_10.3119_3", 
                                     "gene6_27992_cov_10.5976_1" ), 
                                   c("SRR527345", "SRR527312", "SRR527312", 
                                     "SRR52324", "SRR525625", "SRR53526")))

然后，我们开发了一个函数，再次测试第4行和第6行，第1行和第3行。如果t测试失败，它将抛出安娜而不是一个错误。

you_function <- function(currRow){

  res <- try(t.test(currRow[4:6], currRow[1:3])$p.value)

  if(grepl(pattern = "Error", x = res)){ 
    return(NA)
  } else {
    res
  }

}

该函数使用try，如果函数失败，则返回错误；如果有结果，则返回结果。现在您可以应用这个函数了。

out <- apply(dat, 1,you_function )

我们还将根据数据中的列名来命名这个新向量。

names(out) <- colnames(dat)

out

这将使我们：

SRR527345 SRR527312 SRR527312  SRR52324 SRR525625  SRR53526 
0.3923287 0.4226497 0.4134629 0.3881068 0.4226497 0.4226497 

现在，我们可以添加一个阈值，只返回那些满足某种阈值的基因名称。由于上面的值大多都>.4，为了说明起见，我会将阈值设置为这个级别。如果你想把门槛降到0.05，你可以。

p_thresh <- 0.4

names(out)[out <= p_thresh]

这将使我们：

[1] "SRR527345" "SRR52324" 

在重复相同值的“坏”数据上测试此值如下所示：

bad <- matrix(rep(1, 36), ncol = 6)

out <- apply(bad, 1,you_function )

out

它输出以下内容。你还是会收到信息的，但是

[1] NA NA NA NA NA NA

Answer 2

似乎您正在将一个t.test应用于两个向量，每一行两个三重奏。如果其中一个集有3个相等的值，它将抛出一个错误。

没有数据，很难手工定制一个好的解决方案，但是您只能选择这两组元素1:3和4:6至少有一个元素不同的行。

selection_vector <- !(
finalgenecount[1,] == finalgenecount[2,] | 
finalgenecount[1,] == finalgenecount[3,] | 
finalgenecount[2,] == finalgenecount[3,] | 
finalgenecount[4,] == finalgenecount[5,] | 
finalgenecount[4,] == finalgenecount[6,] | 
finalgenecount[5,] == finalgenecount[6,]
) 

基本上，您只需要使用在两个设置的匹配上都没有值的行。因此"!“若要对任一集合上的一对列为真的任何情况进行逻辑检查，请执行以下操作。可以以其他方式进行此筛选，但此方法不需要任何包。

pvalues <- apply(finalgenecount[selection_vector ,], 1, function(currRow)
  {
  t.test(currRow[4:6], currRow[1:3])$p.value})