R中具有多个解释变量的细菌生长曲线(logistic/sigmoid)

Question

目标:我想获得多元处理生长曲线的回归曲线(g-图曲线和模型参数)。

我有细菌培养C={a，b，c，d}在营养来源N={x，y}上生长的数据。

他们的理想生长曲线(每小时测量细胞培养的浊度)如下所示：

​

有8种不同的曲线可以得到系数和曲线。对于我的数据框架，如何能一次做到这一点，将不同的处理方式作为非线性回归的不同组来进行？

谢谢！

这个问题类似于这里发布的一个未回答的问题。

(理想化数据的源代码，抱歉它不优雅，因为我不是计算机科学家)：

a<-1:20
a[1]<-0.01
for(i in c(1:19)){
  a[i+1]<-1.3*a[i]*(1-a[i])
}
b<-1:20
b[1]<-0.01
for(i in c(1:19)){
  b[i+1]<-1.4*b[i]*(1-b[i])
}
c<-1:20
c[1]<-0.01
for(i in c(1:19)){
  c[i+1]<-1.5*c[i]*(1-c[i])
}
d<-1:20
d[1]<-0.01
for(i in c(1:19)){
  d[i+1]<-1.6*d[i]*(1-d[i])
}
sub.data<-cbind(a,b,c,d)
require(reshape2)
data<-melt(sub.data, value.name = "OD600")
data$nutrition<-rep(c("x", "y"), each=5, times=4)
colnames(data)[1:2]<-c("Time", "Culture")


ggplot(data, aes(x = Time, y = OD600, color = Culture, group=nutrition)) +
  theme_bw() + xlab("Time/hr") + ylab("OD600") +
  geom_point() +  facet_wrap(~nutrition, scales = "free")

Answer 1

如果您熟悉来自dplyr的dplyr函数(包括在tidyverse中)，那么您可以根据文化和营养对数据进行分组，并使用broom为每个组创建模型。我认为这个格列奈特正在达到你想要达到的目标。下面是一段代码：

library(tidyverse)
library(broom)
library(mgcv)  #For the gam model

data %>%
      group_by(Culture, nutrition) %>%
      do(fit = gam(OD600 ~ s(Time), data = ., family=gaussian())) %>% # Change this to whatever model you want (e.g., non-linear regession, sigmoid)
      #do(fit = lm(OD600 ~ Time, data = .,)) %>% # Example using linear regression
      augment(fit) %>% 
      ggplot(aes(x = Time, y = OD600, color = Culture)) + # No need to group by nutrition because that is broken out in the facet_wrap
      theme_bw() +  xlab("Time/hr") + ylab("OD600") +
      geom_point() + facet_wrap(~nutrition, scales = "free") +
      geom_line(aes(y = .fitted, group = Culture))

如果你一次都没问题，就把%>%拆开，以便更好地理解。我用的是GAM，它适用于这里，但是你可以用你想要的任何型号来代替它，包括sigmoid。

​

​