组之间的相关性和不同样本的等级与 R

Question

我正在研究一些关于 DNA 的分数，每个位置都有一个分数。我想找到一种方法来了解某些样本是否更有可能获得高分，不是一般情况下，而是每个位置的位置。有些位置没有在所有样本上定义，有些样本没有给定位置的分数。

data.frame('pos'=c(1,2,3,1,2,3,1,2,5), 'sample'=c('A','A','A','B','B','B','C','C','C'), 'score'=c(1,10,5,20,40,10,0.1,5,4))

我想知道使用 spearman 相关性（我正在寻找排名，因为没有真正的生物学原因来比较位置 1 和 2，例如）一些样本是否更有可能具有 "top" 得分值。我的困难在于我实际上有两个定性值：样本 ID 和位置，只有一个定量值。我没有设法向 R 表明我想以某种方式按位置对数据进行分组，然后对每个位置进行排名以研究排名的相关性。

最后，我想要一个 spearman 相关分数来评估样本 B 在大多数位置上的得分最高的数据集。

知道如何实现吗？

非常感谢！

Answer 1

也许这指出了一个有用的方向。

library(tidyverse)
df = data.frame('pos'=c(1,2,3,1,2,3,1,2,3), # Using 3 as the last position
'sample'=c('A','A','A','B','B','B','C','C','C'), 
'score'=c(1,10,5,20,40,10,0.1,5,4))

# Compute rank of each sample within each position
ranked = df %>% group_by(pos) %>% 
  mutate(rank=rank(score, ties.method='min')) %>% 
  ungroup()

# B seems to consistently score higher
ggplot(ranked, aes(pos, rank, color=sample)) +
  geom_point(size=5)


# Kruskal-Wallis rank sum test of the null hypothesis that the rankings
# are from the same distribution for all samples.
kruskal.test(ranked$rank, ranked$sample)
#> 
#>  Kruskal-Wallis rank sum test
#> 
#> data:  ranked$rank and ranked$sample
#> Kruskal-Wallis chi-squared = 8, df = 2, p-value = 0.01832

# Pairwise Wilcoxon test for B vs C
df %>% filter(sample!='A') %>% 
  group_by(pos) %>% 
  mutate(rank=rank(score, ties.method='min')) %>% 
  ungroup() %>% 
  pivot_wider(id_cols='pos', names_from='sample', values_from='rank') %>% 
  {wilcox.test(.$B, .$C, paired=TRUE)}
#> Warning in wilcox.test.default(.$B, .$C, paired = TRUE): cannot compute exact p-
#> value with ties
#> 
#>  Wilcoxon signed rank test with continuity correction
#> 
#> data:  .$B and .$C
#> V = 6, p-value = 0.1489
#> alternative hypothesis: true location shift is not equal to 0

如果所有分数都来自同一个分布，我认为您可以直接对分数进行这些相同的测试，而无需排名。

^{由 reprex package (v0.3.0)}

于 2020 年 1 月 10 日创建

组之间的相关性和不同样本的等级与 R

Correlation between groups and ranks over different samples with R

r

dna-sequence

correlation