使用R，将多个卡方关联表测试应用于分组数据帧，并添加一个包含测试p值的新列。

Question

我有一个与下面的示例类似的数据框架(这是我实际数据框架的一个小摘录)。

frequencies <- data.frame(sex=c("female", "female", "male", "male", "female", "female", "male", "male", "female", "female", "male", "male", "female", "female", "male", "male"),
                      ecotype=c("Crab", "Wave", "Crab", "Wave", "Crab", "Wave", "Crab", "Wave", "Crab", "Wave", "Crab", "Wave", "Crab", "Wave", "Crab", "Wave"),
                      contig_ID=c("Contig100169_2367", "Contig100169_2367", "Contig100169_2367", "Contig100169_2367", "Contig100169_2367", "Contig100169_2367", "Contig100169_2367", "Contig100169_2367", 
                                  "Contig100169_2481", "Contig100169_2481", "Contig100169_2481", "Contig100169_2481", "Contig100169_2481", "Contig100169_2481", "Contig100169_2481", "Contig100169_2481"),
                      allele=c("p", "p", "p", "p", "q", "q", "q", "q", "p", "p", "p", "p", "q", "q", "q", "q"),
                      frequency=c(157, 98, 140, 65, 29, 8, 26, 9, 182, 108, 147, 80, 46, 4, 49, 4))

​

​

我想对“contig_ID”和“ecotype”的每一个组合分别进行卡方应急测试，测试“性别”和“等位基因”之间的关联。然后，我想在一个表中总结这些结果，其中包括“contig_ID”和“ecotype”的每个组合的p值。例如，从给定的示例表中，我希望得到一个4p值的结果表，如下例所示。

results <- data.frame(ecotype=c("Crab", "Wave", "Crab", "Wave"),
                  contig_ID=c("Contig100169_2367", "Contig100169_2367", "Contig100169_2481", "Contig100169_2481"),
                  pvalue=c("pval", "pval", "pval", "pval"))

​

​

或者，只向原始表中添加一个p值列也可以，每个组合的p值仅在所有相关行中重复。

我一直试图将lapply()和summarise()等函数与chisq.test()结合起来来实现这一目标，但到目前为止还没有成功。我还试图使用一种类似于此的方法：R chi squared test (3x2 contingency table) for each row in a table，但也无法使其工作。

Answer 1

我们可以对contig_ID和ecotype列进行分组，并使用转换成矩阵的数据创建嵌套数据框架，如下所示。

library(tidyverse)

frequencies2 <- frequencies %>%
  group_by(contig_ID, ecotype) %>%
  nest() %>%
  mutate(M = map(data, function(dat){
    dat2 <- dat %>% spread(sex, frequency)
    M <- as.matrix(dat2[, -1])
    row.names(M) <- dat2$allele
    return(M)
  }))

如果我们查看M列的第一个元素，我们将发现来自每个组的数据被转换为一个矩阵。

frequencies2$M[[1]]
#   female male
# p    157  140
# q     29   26

从这里，我们可以将chisq.test应用于每个矩阵，并提取出p值。frequencies3是最后的输出。

frequencies3 <- frequencies2 %>%
  mutate(pvalue = map_dbl(M, ~chisq.test(.x)$p.value)) %>%
  select(-data, -M) %>%
  ungroup()
frequencies3
# # A tibble: 4 x 3
#   contig_ID         ecotype pvalue
#   <fct>             <fct>    <dbl>
# 1 Contig100169_2367 Crab     1.00 
# 2 Contig100169_2367 Wave     0.434
# 3 Contig100169_2481 Crab     0.284
# 4 Contig100169_2481 Wave     0.958