我有一个大的稀疏矩阵（我们称它为 matrix)，其中行是特征，列是样本。每个列样本属于6组中的1组。我从每个组中随机抽取一些数量，并在原始矩阵中存储它们属于什么索引。
astro_index <- Map(sample,row_index, num_sample)[1]
endo_index <- Map(sample,row_index, num_sample)[2]
micro_index <- Map(sample,row_index, num_sample)[3]
neuron_index <- Map(sample,row_index, num_sample)[4]
oligo_index <- Map(sample,row_index, num_sample)[5]
opc_index <- Map(sample,row_index, num_sample)[6]
我们的目标是能够进行Wilcox检验，并得到每个特征的6组的所有组合的p值。最大的问题是，我有超过30,000个特征要对6组的所有组合进行测试（所以这30,000多个特征中的每一个都要进行15次比较）。
所以我目前有两种方法。一种是 第一 一个是使用apply函数，只做一个比较（这里是星形和神经元组）。这种方法的缺点是，我遇到了内存问题，而且每次只做1次比较。我必须再写14次才能得到所有可能的比较。
store_p <- apply(matrix,1,function(x) {wilcox.test(x[astro_index],x[neuron_index])$p.value })
在 第二 该方法使用for循环来检查所有的特征，但我利用combn和数据框架来计算所有组合的p值，但一次只计算一个特征。这个方法真的很慢，但不会崩溃。
for (i in features){
df <- data.frame('Astro' = matrix[i,astro_index], 'Endo' = matrix[i,endo_index], 'Micro' = matrix[i,micro_index], 'Neuron' = matrix[i,neuron_index], 'Oligo' = matrix[i,oligo_index], 'OPC' = matrix[i,opc_index])
result <- combn(names(df), 2, FUN = function(x) paste(paste(x, collapse='-'), wilcox.test(df[,x[1]], df[,x[2]], paired = TRUE)$p.value, sep=" : "))
hold_list <- append(hold_list, list(result))
}
为了让大家了解 result 的样子。下面是一个示例输出的 result
> result
[1] "Astro-Endo : 0.115331575924872" "Astro-Micro : 0.935664046257304" "Astro-Neuron : 0.0271849565394441"
[4] "Astro-Oligo : 0.00147694402781699" "Astro-OPC : 0.0476580762532988" "Endo-Micro : 0.297672151508384"
[7] "Endo-Neuron : 2.38134038927696e-06" "Endo-Oligo : 0.0323129112432441" "Endo-OPC : 0.451258974150342"
[10] "Micro-Neuron : 0.000143621746738224" "Micro-Oligo : 0.0178171887595787" "Micro-OPC : 0.0692129715131915"
[13] "Neuron-Oligo : 6.68255453156116e-10" "Neuron-OPC : 6.201108273594e-07" "Oligo-OPC : 0.142213241936393"
我理想的情况是希望两种方法都能达到最好的效果，并做一个更有效的过程来计算这些测试。另外，如果有一个建议，可以设计一个不同的数据框架，一起用一种方法来解决这个任务，我也会很感激。
EDIT我意识到，我没有使在作为明确的，但的。result 只适用于所有组合中的一个特征。我有一个for循环，这样它就会通过所有的特征。实质上，应该为所有特征和所有组合计算一个p值。
我将使用 pairwiseWilcox 从 scran 它为每行的列组之间执行成对的Wilcoxon秩和检验，其中列组是列分配的向量。
编辑。
举个例子。
library(Matrix)
types <- c("Astro", "Neuron", "Endo", "Oligo", "OPC", "Micro")
# generate sparse matrix
set.seed(123)
mat <- Matrix(0, nrow = 10000, ncol = 1000, sparse = TRUE)
mat[sample(seq_along(mat), 1E5)] <- runif(n = 1e5, min = 0, max=100)
groups <- c(rep(types, each = floor(ncol(mat)/6)), rep("Micro", ncol(mat) %% 6))
colnames(mat) <- make.unique(groups)
# sample n=100 samples of each group
idx <- setNames(lapply(types, function(x) grep(x, colnames(mat))), types)
smp <- Map(sample, idx, size = 100)
groups <- gsub("[0-9]+", "", names(unlist(smp)))
# subset mat to sampled columns
mat <- mat[, unlist(smp, use.names = FALSE)]
library(scran)
pwt <- pairwiseWilcox(mat, groups = groups)
pwt
#> $statistics
#> $statistics[[1]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.49995 1.000000 1.000000
#> 2 0.51000 0.158341 0.616668
#> 3 0.49000 0.158341 0.616668
#> 4 0.50490 0.573540 0.856541
#> 5 0.48985 0.308851 0.616668
#> ... ... ... ...
#> 9996 0.4950 0.565662 0.856541
#> 9997 0.5050 0.322174 0.616668
#> 9998 0.4951 0.573540 0.856541
#> 9999 0.4950 0.322174 0.616668
#> 10000 0.5050 0.322174 0.616668
#>
#> $statistics[[2]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5050 0.3221741 0.613045
#> 2 0.5049 0.5735395 0.858464
#> 3 0.4800 0.0444225 0.613045
#> 4 0.4947 0.6352736 0.948311
#> 5 0.4949 0.5578376 0.858464
#> ... ... ... ...
#> 9996 0.49500 0.565662 0.858464
#> 9997 0.50005 1.000000 1.000000
#> 9998 0.50500 0.322174 0.613045
#> 9999 0.50000 1.000000 1.000000
#> 10000 0.50500 0.322174 0.613045
#>
#> $statistics[[3]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5050 0.322174 0.605697
#> 2 0.5001 0.995980 1.000000
#> 3 0.5000 1.000000 1.000000
#> 4 0.5100 0.158341 0.605697
#> 5 0.4949 0.557838 0.854499
#> ... ... ... ...
#> 9996 0.50005 1.000000 1.000000
#> 9997 0.49995 1.000000 1.000000
#> 9998 0.50005 1.000000 1.000000
#> 9999 0.49500 0.322174 0.605697
#> 10000 0.49995 1.000000 1.000000
#>
#> $statistics[[4]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.49995 1.000000 1.000000
#> 2 0.50010 0.995980 1.000000
#> 3 0.50000 1.000000 1.000000
#> 4 0.49490 0.648212 0.959177
#> 5 0.50500 0.322174 0.615026
#> ... ... ... ...
#> 9996 0.4949 0.557838 0.859750
#> 9997 0.4951 0.573540 0.859750
#> 9998 0.4852 0.182661 0.615026
#> 9999 0.5000 1.000000 1.000000
#> 10000 0.4949 0.557838 0.859750
#>
#> $statistics[[5]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50500 0.322174 0.620334
#> 2 0.49480 0.641729 0.964426
#> 3 0.50000 1.000000 1.000000
#> 4 0.51000 0.158341 0.620334
#> 5 0.49995 1.000000 1.000000
#> ... ... ... ...
#> 9996 0.50005 1.000000 1.000000
#> 9997 0.49015 0.323442 0.620334
#> 9998 0.50005 1.000000 1.000000
#> 9999 0.49500 0.322174 0.620334
#> 10000 0.50500 0.322174 0.620334
#>
#> $statistics[[6]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50005 1.000000 1.000000
#> 2 0.49000 0.158341 0.616668
#> 3 0.51000 0.158341 0.616668
#> 4 0.49510 0.573540 0.856541
#> 5 0.51015 0.308851 0.616668
#> ... ... ... ...
#> 9996 0.5050 0.565662 0.856541
#> 9997 0.4950 0.322174 0.616668
#> 9998 0.5049 0.573540 0.856541
#> 9999 0.5050 0.322174 0.616668
#> 10000 0.4950 0.322174 0.616668
#>
#> $statistics[[7]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50500 0.322174 0.616668
#> 2 0.49500 0.322174 0.616668
#> 3 0.48960 0.392127 0.746909
#> 4 0.49005 0.318530 0.616668
#> 5 0.50500 0.654721 0.960283
#> ... ... ... ...
#> 9996 0.5001 0.995980 1.000000
#> 9997 0.4950 0.322174 0.616668
#> 9998 0.5100 0.158341 0.616668
#> 9999 0.5050 0.322174 0.616668
#> 10000 0.5000 1.000000 1.000000
#>
#> $statistics[[8]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.505 0.322174 0.604226
#> 2 0.490 0.158341 0.604226
#> 3 0.510 0.158341 0.604226
#> 4 0.505 0.322174 0.604226
#> 5 0.505 0.654721 0.952044
#> ... ... ... ...
#> 9996 0.50510 0.557838 0.849437
#> 9997 0.49500 0.322174 0.604226
#> 9998 0.50500 0.565662 0.849437
#> 9999 0.49995 1.000000 1.000000
#> 10000 0.49500 0.322174 0.604226
#>
#> $statistics[[9]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.49995 1.000000 1.000000
#> 2 0.49000 0.158341 0.611076
#> 3 0.51000 0.158341 0.611076
#> 4 0.49005 0.318530 0.611076
#> 5 0.51500 0.082748 0.611076
#> ... ... ... ...
#> 9996 0.5000 1.000000 1.000000
#> 9997 0.4900 0.158341 0.611076
#> 9998 0.4899 0.405995 0.762863
#> 9999 0.5050 0.322174 0.611076
#> 10000 0.4900 0.158341 0.611076
#>
#> $statistics[[10]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50500 0.322174 0.619147
#> 2 0.48500 0.082748 0.619147
#> 3 0.51000 0.158341 0.619147
#> 4 0.50500 0.322174 0.619147
#> 5 0.50985 0.323442 0.619147
#> ... ... ... ...
#> 9996 0.50500 0.565662 0.863244
#> 9997 0.48500 0.082748 0.619147
#> 9998 0.50510 0.557838 0.863244
#> 9999 0.50005 1.000000 1.000000
#> 10000 0.50000 1.000000 1.000000
#>
#> $statistics[[11]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.4950 0.3221741 0.613045
#> 2 0.4951 0.5735395 0.858464
#> 3 0.5200 0.0444225 0.613045
#> 4 0.5053 0.6352736 0.948311
#> 5 0.5051 0.5578376 0.858464
#> ... ... ... ...
#> 9996 0.50500 0.565662 0.858464
#> 9997 0.49995 1.000000 1.000000
#> 9998 0.49500 0.322174 0.613045
#> 9999 0.50000 1.000000 1.000000
#> 10000 0.49500 0.322174 0.613045
#>
#> $statistics[[12]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.49500 0.322174 0.616668
#> 2 0.50500 0.322174 0.616668
#> 3 0.51040 0.392127 0.746909
#> 4 0.50995 0.318530 0.616668
#> 5 0.49500 0.654721 0.960283
#> ... ... ... ...
#> 9996 0.4999 0.995980 1.000000
#> 9997 0.5050 0.322174 0.616668
#> 9998 0.4900 0.158341 0.616668
#> 9999 0.4950 0.322174 0.616668
#> 10000 0.5000 1.000000 1.000000
#>
#> $statistics[[13]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5000 1.0000000 1.000000
#> 2 0.4951 0.5735395 0.868341
#> 3 0.5200 0.0444225 0.625009
#> 4 0.5150 0.0827480 0.625009
#> 5 0.5000 1.0000000 1.000000
#> ... ... ... ...
#> 9996 0.50500 0.565662 0.868341
#> 9997 0.49995 1.000000 1.000000
#> 9998 0.49500 0.322174 0.625009
#> 9999 0.49500 0.322174 0.625009
#> 10000 0.49500 0.322174 0.625009
#>
#> $statistics[[14]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.49500 0.3221741 0.606038
#> 2 0.49510 0.5735395 0.852213
#> 3 0.52000 0.0444225 0.606038
#> 4 0.50005 1.0000000 1.000000
#> 5 0.51000 0.1583409 0.606038
#> ... ... ... ...
#> 9996 0.4998 0.9879417 1.000000
#> 9997 0.4951 0.5735395 0.852213
#> 9998 0.4800 0.0444225 0.606038
#> 9999 0.5000 1.0000000 1.000000
#> 10000 0.4900 0.1583409 0.606038
#>
#> $statistics[[15]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50000 1.0000000 1.000000
#> 2 0.49005 0.3185296 0.619978
#> 3 0.52000 0.0444225 0.619978
#> 4 0.51500 0.0827480 0.619978
#> 5 0.50500 0.5656624 0.863114
#> ... ... ... ...
#> 9996 0.50500 0.565662 0.863114
#> 9997 0.49015 0.323442 0.619978
#> 9998 0.49500 0.322174 0.619978
#> 9999 0.49500 0.322174 0.619978
#> 10000 0.50000 1.000000 1.000000
#>
#> $statistics[[16]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.4950 0.322174 0.605697
#> 2 0.4999 0.995980 1.000000
#> 3 0.5000 1.000000 1.000000
#> 4 0.4900 0.158341 0.605697
#> 5 0.5051 0.557838 0.854499
#> ... ... ... ...
#> 9996 0.49995 1.000000 1.000000
#> 9997 0.50005 1.000000 1.000000
#> 9998 0.49995 1.000000 1.000000
#> 9999 0.50500 0.322174 0.605697
#> 10000 0.50005 1.000000 1.000000
#>
#> $statistics[[17]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.495 0.322174 0.604226
#> 2 0.510 0.158341 0.604226
#> 3 0.490 0.158341 0.604226
#> 4 0.495 0.322174 0.604226
#> 5 0.495 0.654721 0.952044
#> ... ... ... ...
#> 9996 0.49490 0.557838 0.849437
#> 9997 0.50500 0.322174 0.604226
#> 9998 0.49500 0.565662 0.849437
#> 9999 0.50005 1.000000 1.000000
#> 10000 0.50500 0.322174 0.604226
#>
#> $statistics[[18]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5000 1.0000000 1.000000
#> 2 0.5049 0.5735395 0.868341
#> 3 0.4800 0.0444225 0.625009
#> 4 0.4850 0.0827480 0.625009
#> 5 0.5000 1.0000000 1.000000
#> ... ... ... ...
#> 9996 0.49500 0.565662 0.868341
#> 9997 0.50005 1.000000 1.000000
#> 9998 0.50500 0.322174 0.625009
#> 9999 0.50500 0.322174 0.625009
#> 10000 0.50500 0.322174 0.625009
#>
#> $statistics[[19]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.4950 0.322174 0.619978
#> 2 0.4999 0.995980 1.000000
#> 3 0.5000 1.000000 1.000000
#> 4 0.4850 0.082748 0.619978
#> 5 0.5100 0.158341 0.619978
#> ... ... ... ...
#> 9996 0.4949 0.557838 0.863504
#> 9997 0.4951 0.573540 0.863504
#> 9998 0.4850 0.176800 0.619978
#> 9999 0.5050 0.322174 0.619978
#> 10000 0.4949 0.557838 0.863504
#>
#> $statistics[[20]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5000 1.000000 1.000000
#> 2 0.4947 0.635274 0.958759
#> 3 0.5000 1.000000 1.000000
#> 4 0.5000 1.000000 1.000000
#> 5 0.5050 0.565662 0.869131
#> ... ... ... ...
#> 9996 0.49995 1.000000 1.000000
#> 9997 0.49015 0.323442 0.625372
#> 9998 0.50005 1.000000 1.000000
#> 9999 0.50005 1.000000 1.000000
#> 10000 0.50500 0.322174 0.625372
#>
#> $statistics[[21]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50005 1.000000 1.000000
#> 2 0.49990 0.995980 1.000000
#> 3 0.50000 1.000000 1.000000
#> 4 0.50510 0.648212 0.959177
#> 5 0.49500 0.322174 0.615026
#> ... ... ... ...
#> 9996 0.5051 0.557838 0.859750
#> 9997 0.5049 0.573540 0.859750
#> 9998 0.5148 0.182661 0.615026
#> 9999 0.5000 1.000000 1.000000
#> 10000 0.5051 0.557838 0.859750
#>
#> $statistics[[22]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50005 1.000000 1.000000
#> 2 0.51000 0.158341 0.611076
#> 3 0.49000 0.158341 0.611076
#> 4 0.50995 0.318530 0.611076
#> 5 0.48500 0.082748 0.611076
#> ... ... ... ...
#> 9996 0.5000 1.000000 1.000000
#> 9997 0.5100 0.158341 0.611076
#> 9998 0.5101 0.405995 0.762863
#> 9999 0.4950 0.322174 0.611076
#> 10000 0.5100 0.158341 0.611076
#>
#> $statistics[[23]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50500 0.3221741 0.606038
#> 2 0.50490 0.5735395 0.852213
#> 3 0.48000 0.0444225 0.606038
#> 4 0.49995 1.0000000 1.000000
#> 5 0.49000 0.1583409 0.606038
#> ... ... ... ...
#> 9996 0.5002 0.9879417 1.000000
#> 9997 0.5049 0.5735395 0.852213
#> 9998 0.5200 0.0444225 0.606038
#> 9999 0.5000 1.0000000 1.000000
#> 10000 0.5100 0.1583409 0.606038
#>
#> $statistics[[24]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5050 0.322174 0.619978
#> 2 0.5001 0.995980 1.000000
#> 3 0.5000 1.000000 1.000000
#> 4 0.5150 0.082748 0.619978
#> 5 0.4900 0.158341 0.619978
#> ... ... ... ...
#> 9996 0.5051 0.557838 0.863504
#> 9997 0.5049 0.573540 0.863504
#> 9998 0.5150 0.176800 0.619978
#> 9999 0.4950 0.322174 0.619978
#> 10000 0.5051 0.557838 0.863504
#>
#> $statistics[[25]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5050 0.322174 0.618555
#> 2 0.4947 0.635274 0.954724
#> 3 0.5000 1.000000 1.000000
#> 4 0.5150 0.082748 0.618555
#> 5 0.4950 0.322174 0.618555
#> ... ... ... ...
#> 9996 0.5051 0.557838 0.864937
#> 9997 0.4948 0.641729 0.961248
#> 9998 0.5152 0.171079 0.618555
#> 9999 0.4950 0.322174 0.618555
#> 10000 0.5100 0.158341 0.618555
#>
#> $statistics[[26]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.49500 0.322174 0.620334
#> 2 0.50520 0.641729 0.964426
#> 3 0.50000 1.000000 1.000000
#> 4 0.49000 0.158341 0.620334
#> 5 0.50005 1.000000 1.000000
#> ... ... ... ...
#> 9996 0.49995 1.000000 1.000000
#> 9997 0.50985 0.323442 0.620334
#> 9998 0.49995 1.000000 1.000000
#> 9999 0.50500 0.322174 0.620334
#> 10000 0.49500 0.322174 0.620334
#>
#> $statistics[[27]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.49500 0.322174 0.619147
#> 2 0.51500 0.082748 0.619147
#> 3 0.49000 0.158341 0.619147
#> 4 0.49500 0.322174 0.619147
#> 5 0.49015 0.323442 0.619147
#> ... ... ... ...
#> 9996 0.49500 0.565662 0.863244
#> 9997 0.51500 0.082748 0.619147
#> 9998 0.49490 0.557838 0.863244
#> 9999 0.49995 1.000000 1.000000
#> 10000 0.50000 1.000000 1.000000
#>
#> $statistics[[28]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.50000 1.0000000 1.000000
#> 2 0.50995 0.3185296 0.619978
#> 3 0.48000 0.0444225 0.619978
#> 4 0.48500 0.0827480 0.619978
#> 5 0.49500 0.5656624 0.863114
#> ... ... ... ...
#> 9996 0.49500 0.565662 0.863114
#> 9997 0.50985 0.323442 0.619978
#> 9998 0.50500 0.322174 0.619978
#> 9999 0.50500 0.322174 0.619978
#> 10000 0.50000 1.000000 1.000000
#>
#> $statistics[[29]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.5000 1.000000 1.000000
#> 2 0.5053 0.635274 0.958759
#> 3 0.5000 1.000000 1.000000
#> 4 0.5000 1.000000 1.000000
#> 5 0.4950 0.565662 0.869131
#> ... ... ... ...
#> 9996 0.50005 1.000000 1.000000
#> 9997 0.50985 0.323442 0.625372
#> 9998 0.49995 1.000000 1.000000
#> 9999 0.49995 1.000000 1.000000
#> 10000 0.49500 0.322174 0.625372
#>
#> $statistics[[30]]
#> DataFrame with 10000 rows and 3 columns
#> AUC p.value FDR
#> <numeric> <numeric> <numeric>
#> 1 0.4950 0.322174 0.618555
#> 2 0.5053 0.635274 0.954724
#> 3 0.5000 1.000000 1.000000
#> 4 0.4850 0.082748 0.618555
#> 5 0.5050 0.322174 0.618555
#> ... ... ... ...
#> 9996 0.4949 0.557838 0.864937
#> 9997 0.5052 0.641729 0.961248
#> 9998 0.4848 0.171079 0.618555
#> 9999 0.5050 0.322174 0.618555
#> 10000 0.4900 0.158341 0.618555
#>
#>
#> $pairs
#> DataFrame with 30 rows and 2 columns
#> first second
#> <character> <character>
#> 1 Astro Endo
#> 2 Astro Micro
#> 3 Astro Neuron
#> 4 Astro Oligo
#> 5 Astro OPC
#> ... ... ...
#> 26 OPC Astro
#> 27 OPC Endo
#> 28 OPC Micro
#> 29 OPC Neuron
#> 30 OPC Oligo
创建于2020-06-18 重读包 (v0.3.0)
编辑#2:
为了看看我的方法在大约12万分之一的时间内（至少在我的机器上）能得到StupidWolf的方法的结果，请用他的例子来尝试一下 mat 和 group:
set.seed(111)
celltypes = c("astro","endo","micro","neuron","oligo","opc")
mat = matrix(rnorm(10000*120),ncol=120)
colnames(mat) = paste0("cell",1:120)
rownames(mat) = paste0("gene",1:10000)
metadata = data.frame(celltype=rep(celltypes,each=20))
num_sample = 10
use_cols = tapply(1:nrow(metadata),metadata$celltype,sample,num_sample)
use_cols = unlist(use_cols)
group = metadata$celltype[use_cols]
library(scran)
library(data.table)
pwt <- pairwiseWilcox(mat[,use_cols], groups=group)
unique_comps <- !duplicated(t(apply(pwt$pairs, 1, sort)))
res <- rbindlist(setNames(lapply(pwt$statistics[unique_comps],
function(x) as.data.table(x, keep.rownames=TRUE)),
apply(pwt$pairs[unique_comps,], 1, paste, collapse = '_')),
idcol = "comparison")[, .(comparison, rn, p.value)]
setnames(res, "rn", "gene")
res[gene=="gene999"]
#> comparison gene p.value
#> 1: astro_endo gene999 0.1858767
#> 2: astro_micro gene999 0.5707504
#> 3: astro_neuron gene999 0.3846731
#> 4: astro_oligo gene999 0.4273553
#> 5: astro_opc gene999 0.3846731
#> 6: endo_micro gene999 0.4726756
#> 7: endo_neuron gene999 0.9097219
#> 8: endo_oligo gene999 0.6231762
#> 9: endo_opc gene999 0.6775850
#> 10: micro_neuron gene999 0.9097219
#> 11: micro_oligo gene999 0.9097219
#> 12: micro_opc gene999 0.9097219
#> 13: neuron_oligo gene999 0.8501067
#> 14: neuron_opc gene999 0.6775850
#> 15: oligo_opc gene999 0.9698500
创建于2020-06-19 重读包 (v0.3.0)
很可能你的代码对于不熟悉这类数据的人来说没有意义。最有可能的是你有一个基因表达矩阵，对于每一行（基因），你想进行一个配对的wilcox检验。你从元数据中采样，因此 row_index.
很可能不是最好的统计方式，但这是组织数据的一种方式。首先设置一些数据。
set.seed(111)
celltypes = c("astro","endo","micro","neuron","oligo","opc")
mat = matrix(rnorm(10000*120),ncol=120)
colnames(mat) = paste0("cell",1:120)
rownames(mat) = paste0("gene",1:10000)
metadata = data.frame(celltype=rep(celltypes,each=20))
我们可以通过做有效的采样。
num_sample = 10
use_cols = tapply(1:nrow(metadata),metadata$celltype,sample,num_sample)
use_cols = unlist(use_cols)
group = metadata$celltype[use_cols]
下面你需要决定1.是否使用FDR校正（你可以在之后做），还有你是否想要这样一个庞大的data.frame。
library(broom)
allpairs = lapply(1:nrow(mat),function(i){
result = tidy(pairwise.wilcox.test(x=mat[i,use_cols],group,
p.adjust.method ="none"))
result$gene = rownames(mat)[i]
result
})
allpairs = do.call(rbind,allpairs)
以上需要一段时间，但应该可以运行，你也可以考虑并行化。结果是这样的。
# A tibble: 6 x 4
group1 group2 p.value gene
<chr> <chr> <dbl> <chr>
1 endo astro 0.853 gene1
2 micro astro 0.393 gene1
3 neuron astro 0.971 gene1
4 oligo astro 0.739 gene1
5 opc astro 0.631 gene1
6 micro endo 0.247 gene1
allpairs[allpairs$gene=="gene999",]
# A tibble: 15 x 4
group1 group2 p.value gene
<chr> <chr> <dbl> <chr>
1 endo astro 0.529 gene999
2 micro astro 0.481 gene999
3 neuron astro 1 gene999
4 oligo astro 0.481 gene999
5 opc astro 0.912 gene999
6 micro endo 1 gene999
7 neuron endo 0.436 gene999
8 oligo endo 0.684 gene999
9 opc endo 0.684 gene999
10 neuron micro 0.529 gene999
11 oligo micro 0.684 gene999
12 opc micro 0.739 gene999
13 oligo neuron 0.481 gene999
14 opc neuron 0.796 gene999
15 opc oligo 0.853 gene999
如果我的理解没错的话，这个问题归根结底是计算 一组特征的相似度。我将使用 proxy 图书馆，以及 proxy::dist 函数，特别是。它允许人们使用自定义的相似度测量。
我生成了一个合成数据集来说明这个过程。
library(proxy)
set.seed(123)
feature_df <- data.frame(matrix(runif(n = 1000^2), 1000, 1000))
names(feature_df) <- paste0("feature_", names(feature_df))
feature_set_1 <- sample(x = 1:1000, 10)
feature_set_2 <- sample(x = 1:1000, 10)
feature_set_3 <- sample(x = 1:1000, 10)
接下来，我们定义我们的函数，并在所有特征集上成对运行。
test_fun <- function(x,y) {wilcox.test(x,y)$p.value}
fs <- c(feature_set_1, feature_set_2, feature_set_3)
k <- 1
dist_mat <- vector(mode="list")
for (i in seq_along(fs)){
for (j in 1:i){
if (i>j) {
dist_mat[[k]] <- proxy::dist(feature_df[fs[[i]], ], feature_df[fs[[j]], ], method = test_fun, by_rows = TRUE)
k <- k+1
}
}
}
我们将在所有的特征集上 dist_mat 矩阵包含感兴趣的量。i 和 j 指特征集。by_rows 是用来指示 dist 来逐行计算度量。