R：自动生存分析
下面是示例数据，其中在R：自动生存分析,r,for-loop,survival-analysis,R,For Loop,Survival Analysis,下面是示例数据，其中在基因组矩阵中，每一行对应一个基因（“样本”），每个细胞对应一个患者的该基因的值，在该值之后命名该列（格式为“TCGA-\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu”）。（问题如下） 因此，对于每个基因，我将患者分为“高表达”和“低表达”两类。例如，出现在low[[3]]中的患者是那些第三个基因（“TUR”）的表达低于该基因平均水平的患者。下面，我有一个patientID到生存时间的转换表（以天为单位） survival = NULL survival$s
基因组矩阵中，每一行对应一个基因（“样本”
），每个细胞对应一个患者的该基因的值，在该值之后命名该列（格式为“TCGA-\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu”
）。（问题如下）
因此，对于每个基因，我将患者分为“高表达”和“低表达”两类。例如，出现在low[[3]]
中的患者是那些第三个基因（“TUR”
）的表达低于该基因平均水平的患者。下面，我有一个patientID到生存时间的转换表（以天为单位）
survival = NULL
survival$sampleID <- c("TCGA-K4-6303-01", "TCGA-DM-A28E-01", "TCGA-AY-6197-01", "TCGA-F4-6703-01", "TCGA-HB-KH8H-01", "TCGA-Y7-PIK2-01", "TCGA-A6-5657-01")
survival$X_OS <- c(256, 26, 88, 491, 553, 177, 732)
survival$sampleID <- chartr("-", "_", survival$sampleID)
survival=NULL
生存$sampleID（如果您只是要求一个工具来执行操作或提供统计建议，那么StackOverflow可能不是这个问题的合适位置。）
尽管如此，我还是建议对您的数据和代码的格式进行一些改进，这将有助于实现您在R中的目标。如果您没有明显的内存限制，您可以将“基因组矩阵”转换为长格式“data.frame”：
然后，您可以找出哪些患者的表达高于或低于平均水平，并创建一个“data.frame”：
然后添加“生存$X_OS”：
然后，假设您有一个函数log\u rank\u test
，该函数接受两个向量并输出一个“p.value”，您可以使用如下内容：
#lapply(split(exprs[c("expr", "X_OS")], exprs$sample),
# function(x) log_rank_test(x$X_OS[x$expr == "high"], x$X_OS[x$expr == "low"]))
我正在尝试一种“data.table”方法，尽管它可能不是惯用的方法，或者因为我不熟悉它，所以可以改进：
library(data.table)
library(reshape2)
DT = as.data.table(genomicmatrix)
longDT = melt(DT, "sample", variable.name = "ID")
longDT[, expr := ifelse(findInterval(value, mean(value)) == 1, "high", "low"), by = sample]
longDT[, X_OS := survival$X_OS[match(ID, survival$sampleID)]]
head(longDT)
# sample ID value expr X_OS
#1: BIX TCGA_K4_6303_01 -0.4811441 low 256
#2: HEF TCGA_K4_6303_01 -0.2665017 low 256
#3: TUR TCGA_K4_6303_01 0.8367469 high 256
#4: ZOP TCGA_K4_6303_01 -0.5868480 low 256
#5: VAG TCGA_K4_6303_01 -0.0319600 low 256
#6: BIX TCGA_DM_A28E_01 0.3435170 high 26
然后，运行log\u rank\u test
函数，如下所示：
#longDT[, log_rank_test(X_OS[expr == "high"], X_OS[expr == "low"]), by = sample]
（如果您只需要一个工具来执行操作或提供统计建议，那么StackOverflow可能不是这个问题的合适位置。）
尽管如此，我还是建议对您的数据和代码的格式进行一些改进，这将有助于实现您在R中的目标。如果您没有明显的内存限制，您可以将“基因组矩阵”转换为长格式“data.frame”：
然后，您可以找出哪些患者的表达高于或低于平均水平，并创建一个“data.frame”：
然后添加“生存$X_OS”：
然后，假设您有一个函数log\u rank\u test
，该函数接受两个向量并输出一个“p.value”，您可以使用如下内容：
#lapply(split(exprs[c("expr", "X_OS")], exprs$sample),
# function(x) log_rank_test(x$X_OS[x$expr == "high"], x$X_OS[x$expr == "low"]))
我正在尝试一种“data.table”方法，尽管它可能不是惯用的方法，或者因为我不熟悉它，所以可以改进：
library(data.table)
library(reshape2)
DT = as.data.table(genomicmatrix)
longDT = melt(DT, "sample", variable.name = "ID")
longDT[, expr := ifelse(findInterval(value, mean(value)) == 1, "high", "low"), by = sample]
longDT[, X_OS := survival$X_OS[match(ID, survival$sampleID)]]
head(longDT)
# sample ID value expr X_OS
#1: BIX TCGA_K4_6303_01 -0.4811441 low 256
#2: HEF TCGA_K4_6303_01 -0.2665017 low 256
#3: TUR TCGA_K4_6303_01 0.8367469 high 256
#4: ZOP TCGA_K4_6303_01 -0.5868480 low 256
#5: VAG TCGA_K4_6303_01 -0.0319600 low 256
#6: BIX TCGA_DM_A28E_01 0.3435170 high 26
然后，运行log\u rank\u test
函数，如下所示：
#longDT[, log_rank_test(X_OS[expr == "high"], X_OS[expr == "low"]), by = sample]
非常非常有帮助。考虑到真实的数据有大约50名患者和20000个基因（“样本”），你是否预计在处理过程中会出现问题？我想这不会是一个问题；但是，如果您使用像“data.table”或“dplyr”这样专为快速数据处理而设计的包，您可能会从效率方面受益。也许，如果你真的选择像上面这样的格式，并且知道你期望的是什么，你可以发布一个“如何高效地从这个到那个？”的问题，有很多熟悉不同软件包的人可以提供帮助。我将尝试这种方法，看看我在效率方面是否有任何问题。我想问一下，对于您的答案中根据exprs
定义的输出，您可以看到患者TCGA\u F4\u 6703\u 01
出现两次（一次在ID末尾出现\u 1
）第一个基因BIX。这不应该发生。我运行了代码，这在这个特定的病人身上发生过几次。你知道这是为什么吗？没关系，我刚刚看到在基因组矩阵中对患者定义了两次。我的错误。最后一个问题：在创建元素longDF
时，我遇到了以下错误：在重塑long时出错（数据，idvar=idvar，timevar=timevar，variable=variable，：“times”的长度是错误的。
你知道这可能是什么问题吗？非常有用。考虑到实际数据有大约50名患者和20000个基因（“样本”），你是否预计在处理过程中会出现问题？我想这不会是一个问题；不过，你可能会从中受益，（就效率而言）如果您使用“data.table”或“dplyr”等专为快速数据处理而设计的软件包。也许，如果您确实选择使用上述格式，并且知道您期望的是什么，您可以发布“如何从这个高效地到那个高效地？”问题，有很多熟悉不同软件包的人可以提供帮助。我将尝试这种方法，看看我在效率方面是否有任何问题。我想问一下，对于您的答案中遵循exprs
定义的输出，您可以看到patientTCGA_F4_6703_01
出现两次（一次，ID末尾有一个\u 1
）对于第一个基因BIX。这不应该发生。我运行了代码，这在这个特定的患者身上发生了几次。你知道为什么吗？不管怎样，我刚刚看到患者在基因组矩阵中定义了两次。我的错误。最后一个问题：在创建元素longDF
时，我遇到了以下错误：r:重塑长度时出错（data，idvar=idvar，timevar=timevar，varing=variable，：“times”的长度错误。
您知道可能是什么问题吗？
library(data.table)
library(reshape2)
DT = as.data.table(genomicmatrix)
longDT = melt(DT, "sample", variable.name = "ID")
longDT[, expr := ifelse(findInterval(value, mean(value)) == 1, "high", "low"), by = sample]
longDT[, X_OS := survival$X_OS[match(ID, survival$sampleID)]]
head(longDT)
# sample ID value expr X_OS
#1: BIX TCGA_K4_6303_01 -0.4811441 low 256
#2: HEF TCGA_K4_6303_01 -0.2665017 low 256
#3: TUR TCGA_K4_6303_01 0.8367469 high 256
#4: ZOP TCGA_K4_6303_01 -0.5868480 low 256
#5: VAG TCGA_K4_6303_01 -0.0319600 low 256
#6: BIX TCGA_DM_A28E_01 0.3435170 high 26
#longDT[, log_rank_test(X_OS[expr == "high"], X_OS[expr == "low"]), by = sample]