Корреляция между группами и рангами по различным выборкам с R

Question

Я изучаю некоторые оценки по ДНК, для которых у каждой позиции есть оценка. Я хотел бы найти метод, позволяющий узнать, могут ли некоторые образцы чаще иметь высокий балл, не в целом, а в каждой позиции. Некоторые позиции определены не во всех выборках, а в некоторых выборках нет оценки по данной позиции.

data.frame('pos'=c(1,2,3,1,2,3,1,2,5), 'sample'=c('A','A','A','B','B','B','C','C','C'), 'score'=c(1,10,5,20,40,10,0.1,5,4))

Я хотел бы знать, используя корреляцию Спирмена (я ищу рейтинги, так как нет реальных биологических причин для сравнения положения 1 и 2, например), есть ли вероятность того, что некоторые образцы будут иметь «верхние» значения баллов. Моя трудность заключается в том, что у меня фактически есть два качественных значения: идентификатор образца и позиция и только одно количественное. Мне не удается указать R, что я хочу каким-то образом сгруппировать данные по позициям, а затем иметь ранжирование по каждой позиции для изучения корреляции рангов.

Наконец, я хотел бы иметь корреляцию Спирмена оценка в этом наборе данных, что образец B является лучшим бомбардиром на большинстве позиций.

Есть идеи о том, как этого добиться?

Спасибо большое!

Answer 1

Возможно, это указывает на полезное направление.

library(tidyverse)
df = data.frame('pos'=c(1,2,3,1,2,3,1,2,3), # Using 3 as the last position
'sample'=c('A','A','A','B','B','B','C','C','C'), 
'score'=c(1,10,5,20,40,10,0.1,5,4))

# Compute rank of each sample within each position
ranked = df %>% group_by(pos) %>% 
  mutate(rank=rank(score, ties.method='min')) %>% 
  ungroup()

# B seems to consistently score higher
ggplot(ranked, aes(pos, rank, color=sample)) +
  geom_point(size=5)

# Kruskal-Wallis rank sum test of the null hypothesis that the rankings
# are from the same distribution for all samples.
kruskal.test(ranked$rank, ranked$sample)
#> 
#>  Kruskal-Wallis rank sum test
#> 
#> data:  ranked$rank and ranked$sample
#> Kruskal-Wallis chi-squared = 8, df = 2, p-value = 0.01832

# Pairwise Wilcoxon test for B vs C
df %>% filter(sample!='A') %>% 
  group_by(pos) %>% 
  mutate(rank=rank(score, ties.method='min')) %>% 
  ungroup() %>% 
  pivot_wider(id_cols='pos', names_from='sample', values_from='rank') %>% 
  {wilcox.test(.$B, .$C, paired=TRUE)}
#> Warning in wilcox.test.default(.$B, .$C, paired = TRUE): cannot compute exact p-
#> value with ties
#> 
#>  Wilcoxon signed rank test with continuity correction
#> 
#> data:  .$B and .$C
#> V = 6, p-value = 0.1489
#> alternative hypothesis: true location shift is not equal to 0

Если все оценки получены из одного и того же распределения, я думаю, вы могли бы сделать это те же тесты на счетах напрямую, без ранжирования.

^{Создано в 2020-01-10 с помощью пакета Представление (v0.3.0)}