Насколько мне известно, функция cor.test
принимает только векторы числовых значений одинаковой длины.
Вы можете достичь того, что ищете, например, с помощью функции corrplot::cor.mtest
.
Вот воспроизводимый пример. Сначала загрузите библиотеку и создайте поддельные данные ...
library(corrplot)
nbgene1 <- 100
nbgene2 <- 200
n <- 10
df1 <- matrix(rnorm(nbgene1 * n), nbgene1, n)
rownames(df1) <- paste0("Df1_gene", 1:nbgene1)
colnames(df1) <- paste0("Subject", 1:n)
df2 <- matrix(rnorm(nbgene2 * n), nbgene2, n)
rownames(df2) <- paste0("Df2_gene", 1:nbgene2)
colnames(df2) <- paste0("Subject", 1:n)
Функция cor.mtest
принимает только один единственный фрейм данных с отдельными лицами в виде строк и переменных в виде столбцов, поэтомувам нужно объединить два фрейма данных ...
df_combined <- rbind(df1, df2)
... и ввести транспонированный фрейм данных в cor.mtest
(потому что в вашем случае строки - это гены, а столбцы - отдельные лица).
res_cortest <- cor.mtest(t(df_combined))
Тогда все, что вам нужно сделать, это извлечь правильные значения p из результата.
pval <- res_cortest$p[1:nbgene1, (nbgene1+1):(nbgene1+nbgene2)]
Возможно, вы захотите переименовать строки и столбцы этой матрицы для более понятного результата.
dimnames(pval) <- list(rownames(df1), rownames(df2))
Кроме того, не забудьте исправить для множественного тестирования!
# For example with Banjamini and Hochberg's method
padj <- matrix(p.adjust(pval, "BH"), nbgene1, nbgene2, dimnames = dimnames(pval))
Что еще интереснее, чем использовать cor.mtest
, это посмотреть, что внутри!
> corrplot::cor.mtest
function (mat, ...)
{
mat <- as.matrix(mat)
n <- ncol(mat)
p.mat <- lowCI.mat <- uppCI.mat <- matrix(NA, n, n)
diag(p.mat) <- 0
diag(lowCI.mat) <- diag(uppCI.mat) <- 1
for (i in 1:(n - 1)) {
for (j in (i + 1):n) {
tmp <- cor.test(x = mat[, i], y = mat[, j], ...)
p.mat[i, j] <- p.mat[j, i] <- tmp$p.value
if (!is.null(tmp$conf.int)) {
lowCI.mat[i, j] <- lowCI.mat[j, i] <- tmp$conf.int[1]
uppCI.mat[i, j] <- uppCI.mat[j, i] <- tmp$conf.int[2]
}
}
}
list(p = p.mat, lowCI = lowCI.mat, uppCI = uppCI.mat)
}
Это простая for
петля!
Anэквивалент этого цикла в контексте нашего воспроизводимого примера будет ...
pval <- matrix(NA, nbgene1, nbgene2,
dimnames = list(rownames(df1),
rownames(df2)))
for (i in 1:nbgene1) {
for (j in 1:nbgene2) {
pval[i, j] <- cor.test(df1[i, ], df2[j, ])$p.value
}
}
Шаг множественной коррекции одинаков.