将所有数据标准化为 r 中的单个基因（观察）
normalize all data to single gene (observation) in r
我有一些来自 850 种蛋白质的蛋白质表达数据，我想将这些数据标准化为参考蛋白质。这是纠正技术错误的好方法。我是 R 的新手，只是想制作一个整洁的数据集。但是当我搜索规范化时——它主要是在缩放数据。我找不到与数据集中的数据点成比例的好方法。所以我有以下内容，其中 type=D 或 T，pt.num=1-8，并且在 612.9 kb 文件中有 859 个 GeneIDs 和 9952 个元素。
> head(df10g)
GeneID type pt.num value
1 A2M D 1 8876.5
2 ABL1 D 1 2120.8
3 ACP1 D 1 1266.6
4 ACP5 D 1 67797.6
5 ACVRL1 D 1 650.1
6 ACY1 D 1 6264.8
318 IGF2R D 1 6294.8
我想将每个 pt.num.type 标准化为 IGF2R。但我不太明白它的语义。我想要这种功能
Norm.ig2Fr=GeneID.type.pt.num(value)/IG2FR.type.pt.num(value)
Norm.ig2fr=ASM.D.1 (value)/IG2FR.D.1 (value)
Norm.ig2fr=8876.5/6294.8
所需的输出将是
GeneID type pt.num value Norm.ig2fr log2Norm.ig2fr
1 A2M D 1 8876.5 1.41 0.49
2 ABL1 D 1 2120.8
3 ACP1 D 1 1266.6
4 ACP5 D 1 67797.6
我想我可以使用 mutate 或 ddply 转换，但我缺少将比率的分母固定为相同 GeneID 值但改变 pt.num 和类型的东西。
df11 <- ddply(df10g, .(pt.num), transform, Norm.ig2b=value/IGF2R)
或
df10.igf2r<- mutate(df10t, .(type, pt.num), Norm.ig2fr=value/IG2FR)
dput(df10g)
structure(list(GeneID = structure(c(1L, 2L, 3L, 4L, 6L, 7L), .Label = c("A2M",
"ABL1", "ACP1", "ACP5", "Activated Protein C", "ACVRL1", "ACY1"),class = "factor"), type = c("D", "D", "D", "D", "D",
"D"), pt.num = c("1", "1", "1", "1", "1", "1"), value = c(8876.5,
2120.8, 1266.6, 67797.6, 650.1, 6264.8)), .Names = c("GeneID",
"type", "pt.num", "value"), row.names = c(NA, 6L), class = "data.frame")
如有任何建议或见解，我们将不胜感激。感谢您的帮助！
我想这可能就是你的意思。我想不出 plyr 的解决方案。但是，我想用 dplyr 提出一个建议。我在这里创建了一个示例数据来演示代码。我认为您想使用 group_by() 对 type 和 pt.num 进行分组。然后，您想在 mutate() 中进行归一化。 value[GeneID == "IGF2R"] 指定每个组中 IGF2R 的值。例如D-1组，value[GeneID == "IGF2R"]为1281.000，T-1组，value[GeneID == "IGF2R"]为1561.364。使用这些值，R 对每个组进行归一化。
set.seed(111)
mydf <- data.frame(GeneID = rep(c("A2M", "ABL1", "ACP1", "ACP5",
"ACVRL1", "ACY1", "IGF2R"), times = 2),
type = rep(c("D", "T"), each = 7),
pt.num = 1,
value = runif(14, 1200, 8800),
stringsAsFactors = FALSE)
# GeneID type pt.num value
#1 A2M D 1 5706.658
#2 ABL1 D 1 6721.257
#3 ACP1 D 1 4015.207
#4 ACP5 D 1 5113.421
#5 ACVRL1 D 1 4070.240
#6 ACY1 D 1 4379.364
#7 IGF2R D 1 1281.000
#8 A2M T 1 5245.444
#9 ABL1 T 1 4484.421
#10 ACP1 T 1 1911.980
#11 ACP5 T 1 5423.927
#12 ACVRL1 T 1 5685.737
#13 ACY1 T 1 1710.273
#14 IGF2R T 1 1561.364
library(dplyr)
group_by(mydf, type, pt.num) %>%
mutate(out = value / value[GeneID == "IGF2R"])
# GeneID type pt.num value out
#1 A2M D 1 5706.658 4.454847
#2 ABL1 D 1 6721.257 5.246884
#3 ACP1 D 1 4015.207 3.134433
#4 ACP5 D 1 5113.421 3.991743
#5 ACVRL1 D 1 4070.240 3.177394
#6 ACY1 D 1 4379.364 3.418708
#7 IGF2R D 1 1281.000 1.000000
#8 A2M T 1 5245.444 3.359527
#9 ABL1 T 1 4484.421 2.872118
#10 ACP1 T 1 1911.980 1.224557
#11 ACP5 T 1 5423.927 3.473840
#12 ACVRL1 T 1 5685.737 3.641520
#13 ACY1 T 1 1710.273 1.095371
#14 IGF2R T 1 1561.364 1.000000
在 data.table 中应用相同的过程，以下代码也有效。
library(data.table)
foo <- setDT(mydf)[, out := value / value[GeneID == "IGF2R"], by = list(type, pt.num)]
print(foo)
# GeneID type pt.num value out
#1: A2M D 1 5706.658 4.454847
#2: ABL1 D 1 6721.257 5.246884
#3: ACP1 D 1 4015.207 3.134433
#4: ACP5 D 1 5113.421 3.991743
#5: ACVRL1 D 1 4070.240 3.177394
#6: ACY1 D 1 4379.364 3.418708
#7: IGF2R D 1 1281.000 1.000000
#8: A2M T 1 5245.444 3.359527
#9: ABL1 T 1 4484.421 2.872118
#10: ACP1 T 1 1911.980 1.224557
#11: ACP5 T 1 5423.927 3.473840
#12: ACVRL1 T 1 5685.737 3.641520
#13: ACY1 T 1 1710.273 1.095371
#14: IGF2R T 1 1561.364 1.000000
我有一些来自 850 种蛋白质的蛋白质表达数据，我想将这些数据标准化为参考蛋白质。这是纠正技术错误的好方法。我是 R 的新手，只是想制作一个整洁的数据集。但是当我搜索规范化时——它主要是在缩放数据。我找不到与数据集中的数据点成比例的好方法。所以我有以下内容，其中 type=D 或 T，pt.num=1-8，并且在 612.9 kb 文件中有 859 个 GeneIDs 和 9952 个元素。
> head(df10g)
GeneID type pt.num value
1 A2M D 1 8876.5
2 ABL1 D 1 2120.8
3 ACP1 D 1 1266.6
4 ACP5 D 1 67797.6
5 ACVRL1 D 1 650.1
6 ACY1 D 1 6264.8
318 IGF2R D 1 6294.8
我想将每个 pt.num.type 标准化为 IGF2R。但我不太明白它的语义。我想要这种功能
Norm.ig2Fr=GeneID.type.pt.num(value)/IG2FR.type.pt.num(value)
Norm.ig2fr=ASM.D.1 (value)/IG2FR.D.1 (value)
Norm.ig2fr=8876.5/6294.8
所需的输出将是
GeneID type pt.num value Norm.ig2fr log2Norm.ig2fr
1 A2M D 1 8876.5 1.41 0.49
2 ABL1 D 1 2120.8
3 ACP1 D 1 1266.6
4 ACP5 D 1 67797.6
我想我可以使用 mutate 或 ddply 转换，但我缺少将比率的分母固定为相同 GeneID 值但改变 pt.num 和类型的东西。
df11 <- ddply(df10g, .(pt.num), transform, Norm.ig2b=value/IGF2R)
或
df10.igf2r<- mutate(df10t, .(type, pt.num), Norm.ig2fr=value/IG2FR)
dput(df10g)
structure(list(GeneID = structure(c(1L, 2L, 3L, 4L, 6L, 7L), .Label = c("A2M",
"ABL1", "ACP1", "ACP5", "Activated Protein C", "ACVRL1", "ACY1"),class = "factor"), type = c("D", "D", "D", "D", "D",
"D"), pt.num = c("1", "1", "1", "1", "1", "1"), value = c(8876.5,
2120.8, 1266.6, 67797.6, 650.1, 6264.8)), .Names = c("GeneID",
"type", "pt.num", "value"), row.names = c(NA, 6L), class = "data.frame")
如有任何建议或见解，我们将不胜感激。感谢您的帮助！
我想这可能就是你的意思。我想不出 plyr 的解决方案。但是，我想用 dplyr 提出一个建议。我在这里创建了一个示例数据来演示代码。我认为您想使用 group_by() 对 type 和 pt.num 进行分组。然后，您想在 mutate() 中进行归一化。 value[GeneID == "IGF2R"] 指定每个组中 IGF2R 的值。例如D-1组，value[GeneID == "IGF2R"]为1281.000，T-1组，value[GeneID == "IGF2R"]为1561.364。使用这些值，R 对每个组进行归一化。
set.seed(111)
mydf <- data.frame(GeneID = rep(c("A2M", "ABL1", "ACP1", "ACP5",
"ACVRL1", "ACY1", "IGF2R"), times = 2),
type = rep(c("D", "T"), each = 7),
pt.num = 1,
value = runif(14, 1200, 8800),
stringsAsFactors = FALSE)
# GeneID type pt.num value
#1 A2M D 1 5706.658
#2 ABL1 D 1 6721.257
#3 ACP1 D 1 4015.207
#4 ACP5 D 1 5113.421
#5 ACVRL1 D 1 4070.240
#6 ACY1 D 1 4379.364
#7 IGF2R D 1 1281.000
#8 A2M T 1 5245.444
#9 ABL1 T 1 4484.421
#10 ACP1 T 1 1911.980
#11 ACP5 T 1 5423.927
#12 ACVRL1 T 1 5685.737
#13 ACY1 T 1 1710.273
#14 IGF2R T 1 1561.364
library(dplyr)
group_by(mydf, type, pt.num) %>%
mutate(out = value / value[GeneID == "IGF2R"])
# GeneID type pt.num value out
#1 A2M D 1 5706.658 4.454847
#2 ABL1 D 1 6721.257 5.246884
#3 ACP1 D 1 4015.207 3.134433
#4 ACP5 D 1 5113.421 3.991743
#5 ACVRL1 D 1 4070.240 3.177394
#6 ACY1 D 1 4379.364 3.418708
#7 IGF2R D 1 1281.000 1.000000
#8 A2M T 1 5245.444 3.359527
#9 ABL1 T 1 4484.421 2.872118
#10 ACP1 T 1 1911.980 1.224557
#11 ACP5 T 1 5423.927 3.473840
#12 ACVRL1 T 1 5685.737 3.641520
#13 ACY1 T 1 1710.273 1.095371
#14 IGF2R T 1 1561.364 1.000000
在 data.table 中应用相同的过程，以下代码也有效。
library(data.table)
foo <- setDT(mydf)[, out := value / value[GeneID == "IGF2R"], by = list(type, pt.num)]
print(foo)
# GeneID type pt.num value out
#1: A2M D 1 5706.658 4.454847
#2: ABL1 D 1 6721.257 5.246884
#3: ACP1 D 1 4015.207 3.134433
#4: ACP5 D 1 5113.421 3.991743
#5: ACVRL1 D 1 4070.240 3.177394
#6: ACY1 D 1 4379.364 3.418708
#7: IGF2R D 1 1281.000 1.000000
#8: A2M T 1 5245.444 3.359527
#9: ABL1 T 1 4484.421 2.872118
#10: ACP1 T 1 1911.980 1.224557
#11: ACP5 T 1 5423.927 3.473840
#12: ACVRL1 T 1 5685.737 3.641520
#13: ACY1 T 1 1710.273 1.095371
#14: IGF2R T 1 1561.364 1.000000