r - 获取两个不同大小的数据帧之间所有组合的相关性

据我所知，该函数cor.test仅接受具有相同长度的数值向量。

您可以使用例如 function 来实现您正在寻找的东西corrplot::cor.mtest。

这是一个可重现的例子。首先加载库并创建假数据......

library(corrplot)

nbgene1 <- 100
nbgene2 <- 200
n <- 10

df1 <- matrix(rnorm(nbgene1 * n), nbgene1, n)
rownames(df1) <- paste0("Df1_gene", 1:nbgene1)
colnames(df1) <- paste0("Subject", 1:n)

df2 <- matrix(rnorm(nbgene2 * n), nbgene2, n)
rownames(df2) <- paste0("Df2_gene", 1:nbgene2)
colnames(df2) <- paste0("Subject", 1:n)

该函数cor.mtest只接受一个数据框，个人作为行，变量作为列，所以你需要结合两个数据框......

df_combined <- rbind(df1, df2)

...并将转置的数据框输入到cor.mtest（因为在您的情况下，行是基因，列是个体）。

res_cortest <- cor.mtest(t(df_combined))

然后您需要做的就是从结果中提取正确的 p 值。

pval <- res_cortest$p[1:nbgene1, (nbgene1+1):(nbgene1+nbgene2)]

您可能希望重命名此矩阵的行和列以获得更易于解释的结果。

dimnames(pval) <- list(rownames(df1), rownames(df2))

另外，不要忘记纠正多次测试！

# For example with Banjamini and Hochberg's method
padj <- matrix(p.adjust(pval, "BH"), nbgene1, nbgene2, dimnames = dimnames(pval))

比使用更有趣的cor.mtest是看看里面的东西！

> corrplot::cor.mtest
function (mat, ...) 
{
    mat <- as.matrix(mat)
    n <- ncol(mat)
    p.mat <- lowCI.mat <- uppCI.mat <- matrix(NA, n, n)
    diag(p.mat) <- 0
    diag(lowCI.mat) <- diag(uppCI.mat) <- 1
    for (i in 1:(n - 1)) {
        for (j in (i + 1):n) {
            tmp <- cor.test(x = mat[, i], y = mat[, j], ...)
            p.mat[i, j] <- p.mat[j, i] <- tmp$p.value
            if (!is.null(tmp$conf.int)) {
                lowCI.mat[i, j] <- lowCI.mat[j, i] <- tmp$conf.int[1]
                uppCI.mat[i, j] <- uppCI.mat[j, i] <- tmp$conf.int[2]
            }
        }
    }
    list(p = p.mat, lowCI = lowCI.mat, uppCI = uppCI.mat)
}

这是一个简单的for循环！

在我们可重现的示例的上下文中，此循环的等效项是...

pval <- matrix(NA, nbgene1, nbgene2,
               dimnames = list(rownames(df1),
                               rownames(df2)))
for (i in 1:nbgene1) {
  for (j in 1:nbgene2) {
    pval[i, j] <- cor.test(df1[i, ], df2[j, ])$p.value
  }
}

多次校正步骤相同。

r - 获取两个不同大小的数据帧之间所有组合的相关性

问题描述

解决方案

推荐阅读