首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何将基因探针ID与R中数据帧中的基因符号进行匹配

如何将基因探针ID与R中数据帧中的基因符号进行匹配
EN

Stack Overflow用户
提问于 2019-12-09 07:04:19
回答 1查看 179关注 0票数 1

我有一个包含基因和样本(癌症与正常)的数据框架,我已经做了套索和交叉验证来选择最佳的lambda,以及找到具有非零系数的基因(下面代码中的x是包含这些的数据框架)。我下一步要做的是向x添加另一列,其中包含与x中系数非零的基因对应的基因符号(来自原始数据帧daf的符号)。我已经尝试了一个多小时,但没有成功。有什么建议是最好的方法吗?下面是我的代码:

代码语言:javascript
复制
probeID<-c("213456_at", "217428_s_at", "219230_at", "226228_at","230030_at")
symbol<-c("SOSTDC1","COL10A1", "TMEM100", "AQP4", "HS6ST2")

BCR1<-c(28.005966, 30.806433, 17.341375, 17.40666, 30.039436)
BCR2<-c(30.973469, 29.236025, 30.41161, 20.914383, 20.904331)
BCR3<-c(26.322796, 25.542833, 22.460772, 19.972183, 30.409641)
BCR4<-c(26.441898, 25.837685, 23.158352, 20.379173, 33.81327)
BCR5<-c(39.750206, 19.901133, 28.180124, 22.668673, 25.748884)
CTL6<-c(23.004385, 28.472675, 23.81621, 26.433413, 28.851719)
CTL7<-c(22.239546, 28.741674, 23.754929, 26.015385, 28.16368)
CTL8<-c(29.590443, 30.041988, 21.323061, 24.272501, 18.099016)
CTL9<-c(15.856442, 22.64224, 29.629637, 25.374926, 22.356894)
CTL10<-c(38.137985, 24.753338, 26.986668, 24.578161, 19.223558)
daf<-data.frame(probeID, symbol, BCR1, BCR2, BCR3, BCR4, BCR5, CTL6, CTL7, CTL8, CTL9, CTL10)

daf1<-t(daf[,3:12])
colnames(daf1)<-daf$probeID
View(daf1)

Type<-c("cancer", "cancer", "cancer", "cancer", "cancer", "normal", "normal", "normal", "normal", "normal")
Sample<-c("BCR1", "BCR2", "BCR3", "BCR4", "BCR5", "CTL6", "CTL7", "CTL8", "CTL9", "CTL10")
type.df<-data.frame(Sample, Type)

daf2<-data.frame(daf1, type.df$Type)
names(daf2)[names(daf2) == "type.df.Type"] <- "Type"
View(daf2)
daf2$Type<-as.factor(daf2$Type)

lassoModel <- glmnet(
  x=data.matrix(daf2[,-6]),
  y=daf2$Type,
  alpha=1,
  family="binomial")
plot(lassoModel, xvar="lambda")
coef(lassoModel)[,5][coef(lassoModel)[,5]!=0]

#Cross Validation
cv.lassoModel<- cv.glmnet(
  x=data.matrix(daf2[,-6]),
  y=daf2$Type,
  alpha=1, family="binomial")

# plot variable deviances vs. shrinkage parameter, λ (lambda)
plot(cv.lassoModel)

#Chose best lambda
idealLambda <- cv.lassoModel$lambda.min
idealLambda1se <- cv.lassoModel$lambda.1se
print(idealLambda); print(idealLambda1se)

# derive coefficients for each gene
co <- coef(cv.lassoModel, s=idealLambda, exact=TRUE)
co

co.se <- coef(cv.lassoModel, s=idealLambda1se, exact=TRUE)
co.se

#Select those genes that have non-zero coefficients for the best lambda
cv.glm.probe<-coef(cv.lassoModel, s="lambda.min")
x<-data.frame(cv.glm.probe[cv.glm.probe[,1]!=0,])
EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-12-09 07:15:47

如果你看你的系数,他们前面有一个额外的"X“,因为glm,lm,glmnet等不喜欢以数字开头的变量,默认情况下会加上一个"X”。

代码语言:javascript
复制
x$symbol = daf$symbol[match(sub("^X","",rownames(x)),daf$probeID)]
x

             cv.glm.probe.cv.glm.probe...1.....0...  symbol
(Intercept)                            -41.23471919    <NA>
X217428_s_at                             0.18134947 COL10A1
X226228_at                               1.61933359    AQP4
X230030_at                              -0.03797544  HS6ST2

如果你有一个不存在X的data.frame,例如:

代码语言:javascript
复制
df = data.frame(coefficients=runif(5))
rownames(df) = sample(daf$probeID,5)
df$symbol = daf$symbol[match(rownames(df),daf$probeID)]

或者让实际的探针在数据帧中并合并:

代码语言:javascript
复制
df = data.frame(probe=sample(daf$probeID,5),coefficients=runif(5))
merge(df,daf[,c("probeID","symbol")],by.x="probe",by.y="probeID")

        probe coefficients  symbol
1   213456_at   0.40697051 SOSTDC1
2 217428_s_at   0.97655456 COL10A1
3   219230_at   0.09496977 TMEM100
4   226228_at   0.70865375    AQP4
5   230030_at   0.35125967  HS6ST2
票数 4
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/59240714

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档