p.value 从应用于函数 coxph 的 lapply 函数过滤

Question

我是运行 566 个基因的每个表达水平的生存分析。我通过将函数 coxph() 与函数 lapply 组合来完成此操作，并且效果很好。现在，由于考虑的基因数量众多，我一直在研究如何进行 P 值过滤，以便仅保留具有显着存活率的基因，即当 P<0.05 时。

这是虚拟数据：

 df1 = structure(list(ERLIN2 = structure(c(`TCGA-A1-A0SE-01` = 1L, `TCGA-A1-A0SH-01` = 1L, 
`TCGA-A1-A0SJ-01` = 1L), .Label = c("down", "up"), class = "factor"), 
    BRF2 = structure(c(`TCGA-A1-A0SE-01` = 2L, `TCGA-A1-A0SH-01` = 1L, 
    `TCGA-A1-A0SJ-01` = 2L), .Label = c("down", "up"), class = "factor"), 
    ZNF703 = structure(c(`TCGA-A1-A0SE-01` = 2L, `TCGA-A1-A0SH-01` = 1L, 
    `TCGA-A1-A0SJ-01` = 2L), .Label = c("down", "up"), class = "factor"), 
    time = c(43.4, 47.21, 13.67), event = c(0, 0, 0)), row.names = c("TCGA-A1-A0SE-01", 
"TCGA-A1-A0SH-01", "TCGA-A1-A0SJ-01"), class = "data.frame")

之后，要接收结果，请输入以下代码行：

#library
if(!require(survival)) install.packages('survival')
library('survival')

#run survival analysis
df2=lapply(c("ERLIN2",    "BRF2",      "ZNF703"),

       function(x) {

         formula <- as.formula(paste('Surv(time,event)~',as.factor(x)))
         coxFit <- coxph(formula, data = df1)
         summary(coxFit)
       })

从这里开始，我尝试按如下方式进行 P 值过滤：

for (i in 3){
    df2 = df2 %>% subset(df2[[i]]$logtest[3] < 0.05)
}

但是效率很低！如有任何帮助，我们将不胜感激！

Answer 1

如果您有兴趣通过任何变量（在您的情况下为 logtest 的 pvalue）对列表进行子设置，我会建议 rlist 包

library(rlist)

df3 <-  list.filter(df2, logtest[["pvalue"]] < 0.05)

这将按指定的条件过滤列表。条件也可以嵌套。

p.value 从应用于函数 coxph 的 lapply 函数过滤

p.value filtration from an lapply-function applied for the function coxph

r

cox-regression

survival-analysis