如何使用 Bonferroni 校正计算数据框中每一行的超几何测试

Posted 2023-03-12

【中文标题】如何使用 Bonferroni 校正计算数据框中每一行的超几何测试

【英文标题】：How to calculate hypergeometric test for each row in data frame with Bonferroni correction

【发布时间】：2021-03-06 06:03:22

【问题描述】：

我正在计算 R 中数据框中每行的超几何测试，希望是正确的。

第 1 列是基因 (microRNA) 的名称，“Total_mRNAs”列是基因组中总共存在多少 mRNA，因此不会改变。 “Total_targets_targets”列是如果所有 mRNA 都存在，每个 microRNA 可以靶向多少 mRNA。然而，对于这个例子，只有“subset_mRNAs”存在（这个数字也始终相同），其中我知道每个 microRNA 可以针对“subset_targets”多少个 mRNA。

为了确定每个 microRNA 的靶标与背景相比是否富集（总 mRNA 和靶向它们的总 microRNA），我正在对每行进行超几何测试，如下所示：

phyper(targets-in-subset, targets-in-bkgd, failure-in-bkgd, sample-size-subset, lower.tail= FALSE)



dput(df1)
structure(list(Genes_names = c("microRNA-1", "microRNA-2", "microRNA-3", 
"microRNA-4", "microRNA-5", "microRNA-6", "microRNA-7", "microRNA-8", 
"microRNA-9", "microRNA-10"), Total_mRNAs = c(61064L, 61064L, 
61064L, 61064L, 61064L, 61064L, 61064L, 61064L, 61064L, 61064L
), Total_targets_targets = c(1918L, 7807L, 3969L, 771L, 2850L, 
1355L, 1560L, 2478L, 1560L, 2478L), subset_mRNAs = c(17571L, 
17571L, 17571L, 17571L, 17571L, 17571L, 17571L, 17571L, 17571L, 
17571L), subset_targets = c(544L, 2109L, 1137L, 213L, 793L, 394L, 
430L, 686L, 430L, 686L)), class = "data.frame", row.names = c(NA, 
-10L))


df1$pvalue <- phyper(df1$subset_targets, df1$Total_targets_targets, df1$Total_mRNAs-df1$Total_targets_targets, df1$subset_mRNAs, lower.tail= FALSE)

现在的问题是 Bonferroni 如何更正这些值？这个计算理论上正确吗？

【问题讨论】：

您可以为此使用apply 函数。请详细说明您想要什么。从您的代码侦听中，我不知道您要如何准确计算。

对不起，我更正了很多问题。但我试着解释得更好一点。

我不明白这个df1$Total-df1$targets来自哪里。

df1$Total = 该物种基因组中存在的所有 mRNA 61064 df1$targets = 如果所有 mRNA 都存在于第一个 1918 年，则每个 microRNA 理论上可以具有的所有目标。

【参考方案1】：

警告：提出该问题的用户指出此答案中的计算可能是错误的。请参阅下面的 cmets。

根据您的编辑，您正在寻找的似乎是

df1$new.column <- apply(df1,
                        margin = 1,
                        function(row),
                        
                             return(phyper(row$targets.1, row$targets, sum(row$targets.1, row$targets), row$subset, lower.tail= FALSE))
                        

编辑

正如 StupidWolf 在评论中指出的那样，phyper 是矢量化的。所以，你可以使用（从评论中复制）

with(df1, phyper(targets.1, targets, sum(targets.1, targets), subset, lower.tail= FALSE)

HTH！

【讨论】：

谢谢，我在编辑过程中改变了很多。但这正是我最初想要的。谢谢！！

你不需要使用apply函数。 phyper 是矢量化的。您还需要像 OP 的问题那样进行 bonferroni 更正吗？

如果你这样做 with(df1,phyper(targets.1, targets, sum(targets.1, targets), subset, lower.tail= FALSE) 你会得到相同的结果

哦，我现在没有 phyper 被矢量化了。我会改变我的答案。

谢谢，我不明白为什么这部分是和 [sum(targets.1, targets)] 不应该是总 mRNAs-targeted mRNAs 的减法吗？

【参考方案2】：

如果您没有很多样本，请避免这种痛苦，只需使用 Fisher 测试并使用 p.adjust 做 bonferroni：

library(broom)
result = lapply(1:nrow(df1),function(i)
       not_target_subset = df1$Total_targets_targets[i] - df1$subset_targets[i]
       not_subset = df1$Total_mRNAs[i] - df1$subset_mRNAs[i] - not_target_subset
       
       
       M = cbind(c(df1$subset_targets[i],df1$subset_mRNAs[i]-df1$subset_targets[i]),
             c(not_target_subset,not_subset))
      
       res = data.frame(Genes_names=df1$Genes_names[i],
                tidy(fisher.test(M,alternative="greater")))

       return(res)
)

result= do.call(rbind,result)
result$padj = p.adjust(result$p.value,"bonferroni")

您的超几何代码略有偏差。请注意，您正在进行单面超几何测试。

您可以查看 post for how to put the tables into phyper 和 this for why you need the -1 。所以我们计算超几何p值：

result$hyper_p = with(df1, 
phyper(subset_targets-1,subset_mRNAs,Total_mRNAs-subset_mRNAs, Total_targets_targets, lower.tail= FALSE)
)

你可以看到它的计数：

   Genes_names  estimate   p.value  conf.low conf.high
1   microRNA-1 0.9793710 0.6655527 0.8984025       Inf
2   microRNA-2 0.9047305 0.9998968 0.8647701       Inf
3   microRNA-3 0.9933480 0.5791759 0.9350214       Inf
4   microRNA-4 0.9441864 0.7722712 0.8229140       Inf
5   microRNA-5 0.9520878 0.8789562 0.8863785       Inf
6   microRNA-6 1.0151760 0.4119600 0.9168998       Inf
7   microRNA-7 0.9404619 0.8641420 0.8539585       Inf
8   microRNA-8 0.9454359 0.8942082 0.8756678       Inf
9   microRNA-9 0.9404619 0.8641420 0.8539585       Inf
10 microRNA-10 0.9454359 0.8942082 0.8756678       Inf
                               method alternative   hyper_p
1  Fisher's Exact Test for Count Data     greater 0.6655527
2  Fisher's Exact Test for Count Data     greater 0.9998968
3  Fisher's Exact Test for Count Data     greater 0.5791759
4  Fisher's Exact Test for Count Data     greater 0.7722712
5  Fisher's Exact Test for Count Data     greater 0.8789562
6  Fisher's Exact Test for Count Data     greater 0.4119600
7  Fisher's Exact Test for Count Data     greater 0.8641420
8  Fisher's Exact Test for Count Data     greater 0.8942082
9  Fisher's Exact Test for Count Data     greater 0.8641420
10 Fisher's Exact Test for Count Data     greater 0.8942082

【讨论】：

我会将此标记为正确答案。 @StupidWolf 的回答在质量上比我的要好。用户在解释问题的定性部分方面做得更好，而我只关注定量部分（即代码）。

谢谢你们！！非常感谢答案和解释，因为我在理解不同的测试时遇到了问题。我没有很多样本，因为我用它作为测试我的真实数据更大（350 个样本）