如何使用；如果；要克服数据基本上都是常数误差的r？

我需要比较控制样本和疾病样本之间的细菌基因表达丰度。我有一个由R读取的大数据集，它包含58000行不同的基因，6列。前三列代表对照组的值，而其余三列则来自患病患者

数据是一个矩阵，所有值都是数字

我是R的新手，我正试图找出如何包含一个“如果”来防止错误“数据基本上是恒定的”，我假设这种情况正在发生，因为疾病组和对照组的许多基因表达值是相同的（两组中的一些基因表达值也是0）

我使用的代码如下

---

pvalues我发现解决这个问题的最好方法是单独编写函数，然后使用
apply
函数

首先，我们有reprex数据

dat <- structure(c(37L, 1L, 187L, 97L, 162L, 16L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 
                   0L, 3L, 6L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
                   0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), 
                 .Dim = c(6L, 6L), 
                 .Dimnames = list( c("gene1_36040_cov_12.4365_1", 
                                     "gene2_36040_cov_12.4365_3", 
                                     "gene3_32139_cov_10.3119_1", 
                                     "gene4_32139_cov_10.3119_2", 
                                     "gene5_32139_cov_10.3119_3", 
                                     "gene6_27992_cov_10.5976_1" ), 
                                   c("SRR527345", "SRR527312", "SRR527312", 
                                     "SRR52324", "SRR525625", "SRR53526")))


我们还将根据数据中的列名命名这个新向量

names(out) <- colnames(dat)

out

现在我们可以添加一个阈值，只返回那些满足某个阈值的基因名称。因为上面的值大多大于.4，为了便于说明，我将阈值设置为这个级别。如果要将阈值降至0.05，可以


p_thresh <- 0.4

names(out)[out <= p_thresh]


在重复相同值的“坏”数据上进行测试，如下所示：

bad <- matrix(rep(1, 36), ncol = 6)

out <- apply(bad, 1,you_function )

out

你似乎在对两个向量进行t检验，每行两个三元组。如果任意一个集合有3个相等的值，它将抛出一个错误

you_function <- function(currRow){

  res <- try(t.test(currRow[4:6], currRow[1:3])$p.value)

  if(grepl(pattern = "Error", x = res)){ 
    return(NA)
  } else {
    res
  }

}

没有您的数据，很难手工定制一个好的解决方案，但是您可以只选择这两组元素1:3和4:6至少有一个元素彼此不同的行

selection_vector <- !(
finalgenecount[1,] == finalgenecount[2,] | 
finalgenecount[1,] == finalgenecount[3,] | 
finalgenecount[2,] == finalgenecount[3,] | 
finalgenecount[4,] == finalgenecount[5,] | 
finalgenecount[4,] == finalgenecount[6,] | 
finalgenecount[5,] == finalgenecount[6,]
) 

selection\u vector感谢您的上述介绍。我现在有一个错误，说类中有错误（res）：找不到函数“类”。很抱歉，现在再试一次。应该是一流的，而不是一流的谢谢你的帮助。我现在正试图识别那些在表达上存在显著差异的基因（p<0.05），然而，我可以使用代码来查看有多少基因。不太确定是否使用grep或if函数来获取p值小于0.05的基因（位于行中）的名称。当我尝试这样做时，它返回的基因名带有false作为p值，这是不对的。@Hugh169试试这个now@hugh169没问题。如果解决方案有效，请接受它作为解决方案，以便其他人知道它是有效的解决方案。您好，它是可以做到的，所以如果无法测试，您希望使用NA吗？一个稍微离题的建议是，你可以试试像DESeq或edgeR这样的东西？给你更多的力量

p_thresh <- 0.4

names(out)[out <= p_thresh]


[1] "SRR527345" "SRR52324" 

bad <- matrix(rep(1, 36), ncol = 6)

out <- apply(bad, 1,you_function )

out


[1] NA NA NA NA NA NA


selection_vector <- !(
finalgenecount[1,] == finalgenecount[2,] | 
finalgenecount[1,] == finalgenecount[3,] | 
finalgenecount[2,] == finalgenecount[3,] | 
finalgenecount[4,] == finalgenecount[5,] | 
finalgenecount[4,] == finalgenecount[6,] | 
finalgenecount[5,] == finalgenecount[6,]
) 

pvalues <- apply(finalgenecount[selection_vector ,], 1, function(currRow)
  {
  t.test(currRow[4:6], currRow[1:3])$p.value})