регрессия лёсса в каждой группе с помощью dplyr :: group_by ()

Question

Хорошо, я машу своим белым флагом.

Я пытаюсь вычислить регрессию лесса на моем наборе данных.

Я хочу, чтобы Лесс вычислила различный набор точек, которые изображены как плавные линии для каждой группы.

Проблема в том, что при вычислении лесса не используется функция dplyr::group_by, поэтому регрессия лесса вычисляется для всего набора данных.

Интернет-поиск заставляет меня поверить, что это потому, что dplyr::group_by не должен был работать таким образом.

Я просто не могу понять, как заставить это работать для каждой группы.

Вот несколько примеров моих неудачных попыток.

test2 <- test %>% 
  group_by(CpG) %>% 
  dplyr::arrange(AVGMOrder) %>% 
  do(broom::tidy(predict(loess(Meth ~ AVGMOrder, span = .85, data=.))))

> test2
# A tibble: 136 x 2
# Groups:   CpG [4]
   CpG            x
   <chr>      <dbl>
 1 cg01003813 0.781
 2 cg01003813 0.793
 3 cg01003813 0.805
 4 cg01003813 0.816
 5 cg01003813 0.829
 6 cg01003813 0.841
 7 cg01003813 0.854
 8 cg01003813 0.866
 9 cg01003813 0.878
10 cg01003813 0.893

Это работает, но я не могу понять, как применить результат к столбцу в моем исходном кадре данных. В результате я хочу столбец х. Если я применяю x в качестве столбца в отдельной строке, я сталкиваюсь с проблемами, потому что я звонил dplyr::arrange ранее.

test2 <- test %>% 
  group_by(CpG) %>% 
  dplyr::arrange(AVGMOrder) %>% 
  dplyr::do({
    predict(loess(Meth ~ AVGMOrder, span = .85, data=.))
  })

Этот просто не работает со следующей ошибкой.

«Ошибка: результаты 1, 2, 3, 4 должны быть кадрами данных, а не цифрами»

Также он по-прежнему не применяется как новый столбец с dplyr::mutate

fems <- fems %>% 
  group_by(CpG) %>% 
  dplyr::arrange(AVGMOrder) %>% 
  dplyr::mutate(Loess = predict(loess(Meth ~ AVGMOrder, span = .5, data=.)))

Это была моя первая попытка, и в основном она напоминает то, что я хочу сделать. Проблема в том, что он выполняет прогнозирование лёсса на всем кадре данных, а не на каждой группе CpG.

Я действительно застрял здесь. Я читал в Интернете, что пакет purr может помочь, но у меня проблемы с его выяснением.

данные выглядят так:

> head(test)
    X geneID        CpG                                        CellLine       Meth AVGMOrder neworder Group SmoothMeth
1  40     XG cg25296477 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.81107210         1        1     5  0.7808767
2  94     XG cg01003813 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.97052120         1        1     5  0.7927130
3 148     XG cg13176022 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.06900448         1        1     5  0.8045080
4 202     XG cg26484667 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.84077890         1        1     5  0.8163997
5  27     XG cg25296477  iPS__HDF51IPS6_passage33_Female____157.647.1.2 0.81623880         2        2     3  0.8285259
6  81     XG cg01003813  iPS__HDF51IPS6_passage33_Female____157.647.1.2 0.95569240         2        2     3  0.8409501

уникальный (тест $ CpG) [1] "cg25296477" "cg01003813" "cg13176022" "cg26484667"

Итак, чтобы было ясно, я хочу сделать регрессию Лесса для каждого уникального CpG в моем фрейме данных, применить полученные «регрессированные значения оси Y» к столбцу, соответствующему исходным значениям оси Y (Meth).

В моем наборе данных есть несколько тысяч этих CpG, а не только четыре.

https://docs.google.com/spreadsheets/d/1-Wluc9NDFSnOeTwgBw4n0pdPuSlMSTfUVM0GJTiEn_Y/edit?usp=sharing

Answer 1

Это аккуратный Tidyverse способ заставить его работать:

library(dplyr)
library(tidyr)
library(purrr)
library(ggplot2)

models <- fems %>%
        tidyr::nest(-CpG) %>%
        dplyr::mutate(
                # Perform loess calculation on each CpG group
                m = purrr::map(data, loess,
                               formula = Meth ~ AVGMOrder, span = .5),
                # Retrieve the fitted values from each model
                fitted = purrr::map(m, `[[`, "fitted")
        )

# Apply fitted y's as a new column
results <- models %>%
        dplyr::select(-m) %>%
        tidyr::unnest()

# Plot with loess line for each group
ggplot(results, aes(x = AVGMOrder, y = Meth, group = CpG, colour = CpG)) +
        geom_point() +
        geom_line(aes(y = fitted))

Answer 2

Вы, возможно, уже поняли это - но если нет, вот некоторая помощь.

По сути, вам нужно передать функции прогнозирования data.frame (вектор тоже может работать, но я не пробовал) значений, для которых вы хотите прогнозировать.

Итак, для вашего случая:

fems <- fems %>% 
  group_by(CpG) %>% 
  arrange(CpG, AVGMOrder) %>% 
  mutate(Loess = predict(loess(Meth ~ AVGMOrder, span = .5, data=.),
    data.frame(AVGMOrder = seq(min(AVGMOrder), max(AVGMOrder), 1))))

Обратите внимание, что для запуска лесса требуется минимальное количество наблюдений (~ 4? Я точно не помню). Кроме того, это займет некоторое время для запуска, поэтому протестируйте часть данных, чтобы убедиться, что они работают правильно.