运行命令通过列名集

Question

我有一个数据框 (merged_COIN_plink)，其中包含 181 个 RSID 编号的列，例如 (rs2807367_G) -（示例仅显示其中两个）。

ID	Phenotype	rs2807367_G	rs2807376_A	Event	Survival	PS	RS	WBC
001	-9	1	0	1	349	2	1	8.8

我正在尝试使用 Rstudio 上的生存包做 coxph。我已经设法分别为每个 RSID 执行此操作，但是对于 181，我想知道是否有一种方法可以对其进行并行化或运行，以便它自动通过每个 RSID。

这是个人coxph的代码：

coxph(Surv(merged_COIN_plink$SURVIVAL, merged_COIN_plink$EVENT) ~ rs2807367_G + PS + RS + WBC, data= merged_COIN_plink)

我浏览了其他帖子，但它们看起来确实令人困惑。我想知道是否可以使用像 RS* 这样的通配符，但我不确定在 Rstudio 上这样做是否容易。我还认为在 unix 上你可以列出 RS 编号和运行通过它的代码来挑选每个 RSID 但我不知道这在 Rstudio 上是否可行。

我试图从以 RS 开头的列名中列出一个列表，但这似乎无法正常工作：

rs_list <- merged_COIN_plink[grep("^rs",colnames(merged_COIN_plink)),] View(rs_list)

我也不确定 for 循环是否有效，但无法弄清楚是否命名不完全相同的列名。

structure(list(ID = c("100002", "100003", "100004", "100005", 
"100006", "100007", "100008", "100010", "100011", "100012", "100013", 
"100014", "10004", "1002", "1003", "1004", "1005", "1006", "1007", 
"1008", "1010", "101001", "101002", "101003", "101004"), PHENOTYPE = c(-9L, 
-9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, 
-9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L), rs2807367_G = c(1L, 
0L, 2L, 2L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 0L, 1L, 
0L, 0L, 1L, 0L, 1L, 1L, 0L, 0L), rs34963268_C = c(1L, 1L, 1L, 
0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 2L, 0L, 1L, 0L, 2L, 
0L, 0L, 1L, 0L, 0L, 0L), EVENT = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
0L, 1L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 0L, 1L, 1L, 
1L, 1L), SURVIVAL = c(349L, 384L, 283L, 671L, 674L, 285L, 224L, 
687L, 571L, 495L, 510L, 302L, 159L, 44L, 85L, 347L, 604L, 447L, 
1230L, 444L, 1260L, 758L, 392L, 379L, 188L), PS = c(2L, 0L, 0L, 
0L, 0L, 1L, 0L, 1L, 1L, 1L, 1L, 0L, 1L, 2L, 1L, 1L, 1L, 0L, 0L, 
0L, 0L, 0L, 0L, 1L, 1L), RS = c(1L, 1L, 1L, 1L, 0L, 0L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 0L, 0L, 1L, 1L, 1L, 0L, 1L, 1L, 1L, 0L, 
0L), WBC = c(8.8, 8.1, 9.3, 8.9, 7.2, 6.7, 11.6, 10.7, 6.1, 12.9, 
10.1, 9.1, 6.8, 13.3, 13.5, 10.9, 8.7, 11.4, 9.8, 8.9, 8, 11.3, 
6, 5.6, 8.8)), row.names = c(NA, 25L), class = "data.frame")

Answer 1

一个使用 for 循环的解决方案应该足以满足您的需要，因为您没有太多的列可以循环而且速度似乎不太可能成为问题。我也认为很容易看出发生了什么。

这种方式将每个模型存储在一个列表中。

# identify the columns you need 
columns = colnames(dat)[grep("rs", colnames(dat))]

# create a list to store the results in
res = list()

# loop over the columns and perform the regression and save results in the list
for (i in seq_along(columns)) {
    res[[i]] = coxph(Surv(SURVIVAL, EVENT) ~ get(columns[i])  + PS + RS + WBC, data = dat)
}

然后您可以table按如下方式设置您喜欢的任何值：

data.frame(nevent = sapply(res, function(x) x$nevent), columns)

  nevent      columns
1     21  rs2807367_G
2     21 rs34963268_C

Answer 2

遍历 for 循环当然是有效的，但是（实际）数据中有这么多列可能需要很长时间。一个可能更“优雅”一点的答案:)

# Get names of columns with RSID numbers (could also use `grep` or some other way
RSIDcols <- colnames(merged_COIN_plink[,3:4]) 

# Define formulas
formulas <- sapply(RSIDcols, 
                   function(x) as.formula(paste('Surv(SURVIVAL, EVENT) ~ ', paste(x, "+ PS + RS + WBC"))))

# Run models
models <- lapply(formulas, function(x) {coxph(x, data = merged_COIN_plink)})

这会将每个结果输出到一个列表 (models) 中，然后可以使用以下 RSID 名称访问该列表：

names(models) <- RSIDcols # rename list elements to RSID name

# Access individual model results using `[[]]`
models[["rs34963268_C"]]

# > models[["rs34963268_C"]]
# Call:
#   coxph(formula = x, data = merged_COIN_plink)
# 
# coef exp(coef) se(coef)      z      p
# rs34963268_C -0.11518   0.89120  0.36030 -0.320 0.7492
# PS            0.72277   2.06012  0.43391  1.666 0.0958
# RS           -1.02832   0.35761  0.54250 -1.896 0.0580
# WBC           0.05065   1.05195  0.11965  0.423 0.6721
# 
# Likelihood ratio test=6.04  on 4 df, p=0.1962
# n= 25, number of events= 21

运行命令通过列名集

Running command through sets of column names

parallel-processing

loops

r

运行 命令通过列名集

Running command through sets of column names

parallel-processing

loops

r

运行命令通过列名集