用R计算venn图超几何p值

Question

嗨，我看到有人计算venn图重叠p值，如下例所示。它们使用超几何分布和R，当我在R中应用它们的函数时，我不能得到相同的结果。有人能帮我吗？

我在别人的出版物上看到的样本：

从15220个基因中，A组为1850+195基因，B组为195+596基因，重叠基因为195个。它们的p值为2e-26。

他们的方法是:给定总共N个基因，如果A和B分别包含m和n个基因，且它们中的k是共同的，则通过以下方法计算富集的p值：

p = Σ (m,i)(N-m,n-i)/(N,n)

对于i，从k到min(m,n)，其中"(m,i)“表示二项式形式。

我使用R的方式是：

sum(choose(596+195,195:(195+596))*choose(15220-596-195,(1850+195)-195:(195+596)))/choose(15220,1850+195)。

我找到NaN了。

或者使用：phyper(195,1850+195,15220-1850-195,596+195)，我得到了1。

我也引用了链接http://www.pangloss.com/wiki/VennSignificance，但是当我计算

1 - phyper(448,1000,13800,2872)在R，我得到了0，而不是1.906314e-81的链接。

我对R和统计完全陌生，很抱歉在这里发表了许多错误。

Answer 1

使用包gmp，并将choose替换为chooseZ，我们可以将p值实现为：

require(gmp)

enrich_pvalue <- function(N, A, B, k)
{
    m <- A + k
    n <- B + k
    i <- k:min(m,n)

    as.numeric( sum(chooseZ(m,i)*chooseZ(N-m,n-i))/chooseZ(N,n) )
}

结果：

> enrich_pvalue(15220, 1850, 596, 195)
[1] 1.91221e-18

使用pangloss链接中的示例(用符号表示)，我们得到：

> enrich_pvalue(N=14800, A=1000-448, B=2872-448, k=448)
[1] 7.289388e-81