R 基因表达中病例与对照的相关性

我有77名癌症患者的基因表达数据。我有一套来自tha患者血液，一套来自患者肿瘤，一套来自患者健康组织：

data1 <- ExpressionBlood
data2 <- ExpressionCancerTissue
data3 <- ExpressionHealtyTissue

---

data1如果您熟悉python，我会使用。它使用的“数据帧”与R类似，因此您可以将这个概念应用于R

假设您的
data1
是一个格式如下的分隔文件：

GeneName | ExpValue |
gene1       300.0
gene2       250.0

然后，您可以这样做，将每种数据类型放入一个
数据帧中：

dfblood = pd.read_csv('path/to/data1',delimiter='\t')
dftissue = pd.read_csv('path/to/data2',delimiter='\t')
dftumor = pd.read_csv('path/to/data3',delimiter='\t')

现在，将数据帧合并到一个主数据帧中

dftmp = pd.merge(dfblood,dftissue,on='GeneName',how='inner')
df = pd.merge(dftmp,dftumor,on='GeneName',how='inner')

重命名列，注意确保顺序正确

df.columns = ['GeneName','blood','tissue','tumor']

现在，您可以使用简单的命令规范化数据（如果还没有）

df = df.set_index('GeneName') # allows you to perform computations on the entire dataset
df_norm = (df - df.mean()) / (df.max() - df.min())

您可以全部
df_norm.corr（）
生成以下结果。但此时，如果需要，可以使用执行更复杂的计算

          blood      tissue       tumor
blood   1.000000    0.395160    0.581629
tissue  0.395160    1.000000    0.840973
tumor   0.581629    0.840973    1.000000

至少朝着正确的方向移动

编辑

如果您想使用Student T的日志折叠更改，您可以使用
numpy.log

import numpy as np

df[['blood','tissue','tumor']] = df[['blood','tissue','tumor']]+1
# +1 to avoid taking the log of 0
df_log = np.log(df[['blood','tissue','tumor']])

为了获得每个基因的“log”折叠变化，这将在df_log数据框中添加新的列

df_log['logFCBloodTumor'] = df_log['blood'] - df_log['tumor']
df_log['logFCBloodTissue'] = df_log['blood'] - df_log['tissue']

那么计算原木折叠变化呢？