如何使用R进行基因表达数据集分析

我们的数据集由超过100个样本收集的50K+基因表达组成。此csv文件的大小仅为70MB。在R local上运行会在下面第6行出现错误：“无法分配大小为22gb的向量”。这是编写的代码：

data=as.matrix(read.table("geneExp.csv.csv", row.names = 1, header =T, sep = ','))
logdata=log2(data)
t_logdata=t(logdata)
output=/* the output label vectors 0 or 1 */
library(MASS)
lda.fit=lda(output~., data=as.data.frame(t_logdata), CV=TRUE)
summary(lda.fit)

LDA作为一种降维方法进行了尝试，仅用于实验目的。这是数据的快照：-行是基因，列是样本。

---

我们找不到一篇关于编写R代码（例如使用cloudml_train（file=“train.R”）的综合在线文章，该文章在云上运行。我们已经尝试从rstudio使用cloudml，但退出时出现了错误。也许这段代码不适合在cloudml上运行？是否应将其更改为tensorflow代码？在云上运行LDA模型的示例会有所帮助。谢谢

不是一个完整的答案，而是一个探索的建议（太长/格式不适合评论）。我拼凑了一个函数，在一个简单的合成数据集上运行LDA，只是想知道可以做些什么（我在Linux VM机器上运行这个函数时使用了“无法分配大小的向量”表示机器的RAM不足，无法满足您的需要。您的数据集似乎没有那么大，但我不确定

lda

需要哪些资源。此外，您的代码正在从数据帧转换

数据（读取.table

的输出）这是浪费和不必要的。谷歌搜索“线性判别分析R内存”提出。我不知道它是否有用，但对于有关特定编程问题的问题也是如此-而不是对于要求指向教程材料的指针的请求…@BenBolker，当然，很抱歉。我已经相应地编辑了这个问题。@neilfws谢谢。是的，数据集只有几MB。感谢代码审阅评论。这很有帮助，但我担心这个问题仍然很模糊/宽泛。如果你已经尝试过并且遇到了问题，为什么不编辑你的问题并提供具体的细节呢？有一些关于LDA记忆强度的信息。

f <- function(nr=200,nc=1e3,seed=101) {
    set.seed(seed)
    grouping <- rbinom(nr,size=1,prob=0.2)
    x <- matrix(rnorm(nr*nc),nrow=nr)
    m <- MASS::lda(x=x,grouping=grouping)
    return(m)
}

system.time(m0 <- f())     ## 1 second
system.time(m0 <- f(5e3))  ## 30 seconds
system.time(m0 <- f(8e3))  ## 48 seconds
system.time(m0 <- f(25e3)) ## 163 seconds