Прежде чем рассчитывать PCA, мне нужно нормализовать свои данные. У меня есть матрица, в которой названия строк представляют группу заболеваний (0 представляет контроль, 1 - язвенный колит и 2 - болезнь Крона). Остальные данные представляют значения экспрессии генов.
Вот мои данные;
structure(c(5.54e-05, 5.58e-06, 9.74e-05, 1.33e-06, 1.29e-05,
7.22e-06, 0.000215899, 3.6e-06, 0.000146724, 1.53e-05, 0.000913187,
1.9e-06, 0.007421464, 0.000648006, 5.1e-06, 6.15e-06, 4.73e-06,
0.000119899, 0.000884487, 0.000850632, 0.000236607, 7.36e-06,
8.48e-06, 2.63e-05, 0.001368493, 1.12e-05, 0.000177568, 0.006338532,
0.006162866, 0.040695132, 0.013255055, 0.033086619, 0.074158811,
0.004967497, 0.01247423, 0.043201417, 0.011470285, 0.038447751,
0.018825124, 0.027701807, 0.063373762, 0.005374513, 0.048876252,
0.009959848, 0.004434078, 0.004176856, 0.015288913, 0.060226053,
0.05128922, 0.006557554, 0.017460326, 0.007684784, 0.002107577,
0.005773192, 0.076186393, 0.037631043, 0.052159393, 0.012179365,
0.047199766, 0.022458838, 0.030261613, 0.00626629, 0.028664896,
0.02285845, 0.02801855, 0.017681676, 0.040563592, 0.029791175,
0.034778056, 0.019318473, 0.011847912, 0.009614177, 0.064027542,
0.035334149, 0.041638955, 0.056015014, 0.03304865, 0.017660205,
0.030187166, 0.057919531, 0.029990489, 0.000112884, 0.000920886,
0.001081748, 0.000195159, 0.001678445, 0.000171612, 0.000191702,
0.000560035, 0.000384056, 0.000454783, 0.000723385, 0.000203897,
0.000973337, 0.000822171, 0.000620526, 0.000260769, 0.000214607,
0.002077443, 0.00065843, 0.000403672, 0.000378651, 0.000409306,
0.001722587, 0.000213785, 0.000176643, 0.002022878, 0.001886929,
0.053029236, 0.022594965, 0.011967636, 0.026851113, 0.03773798,
0.031356268, 0.10410326, 0.063265216, 0.018028454, 0.116038001,
0.00572817, 0.053635968, 0.059126941, 0.011835241, 0.004639624,
0.014302911, 0.082948853, 0.015202238, 0.021295431, 0.043342,
0.008153675, 0.015613747, 0.043289609, 0.048834321, 0.019144763,
0.059809871, 0.006990685, 0.04082966, 0.02986135, 0.061405171,
0.006142619, 0.009767602, 0.035427993, 0.03729329, 0.01309739,
0.00221718, 0.040211393, 0.006303841, 0.030146612, 0.032033879,
0.024590398, 0.077991721, 0.017215666, 0.014731147, 0.04802582,
0.03168714, 0.03244771, 0.032278613, 0.017301885, 0.013450667,
0.040207755, 0.042669615, 0.03456749, 0.034631319, 1.93e-05,
4.72e-06, 5.41e-05, 0, 1.91e-05, 9.33e-07, 5.98e-06, 0, 1.05e-06,
4.1e-07, 7.72e-05, 4.07e-07, 0.000585154, 0.000246992, 7.86e-06,
3.13e-06, 2.14e-06, 7.56e-06, 9.29e-05, 0.000116024, 5.51e-05,
7.79e-06, 6.65e-06, 2.06e-06, 0.000104342, 4.16e-06, 1.27e-05,
0.000197502, 0.00015135, 0.000107306, 6.54e-05, 0.000225564,
0.000142631, 0.000168873, 3.5e-05, 0.000365242, 0.000174254,
0.000339327, 8.7e-05, 0.000136679, 0.000156634, 0.000224181,
0.000205305, 8.87e-05, 0.000305774, 0.000133615, 0.00015118,
0.000107229, 0.000162579, 0.000152249, 6.88e-05, 0.000113864,
0.000249258, 0.00024256, 0.00079296, 0.007640951, 0.004937327,
0.000422361, 0.000953513, 0.000951187, 0.000671306, 0.001106406,
0.002606568, 0.003006867, 0.001911646, 0.00135411, 0.012461738,
0.000434917, 0.00237646, 0.007857561, 0.000436889, 0.00048816,
0.000348146, 0.000931449, 0.000323974, 0.004945321, 0.000693845,
0.000479572, 0.000843415, 0.001419675, 0.001547478, 8.16e-05,
6.63e-05, 0.000101583, 3.08e-05, 0.000147039, 5.13e-05, 0.000109479,
2.39e-05, 0.000225475, 4.28e-05, 0.000230785, 2.1e-05, 0.0001356,
0.000124173, 0.000245128, 0.000275446, 3.18e-05, 0.00017516,
0.000180192, 0.000246669, 0.000378708, 4.35e-05, 0.000267824,
7.2e-05, 7.65e-05, 8.79e-05, 0.000130026, 0.000111462, 3.17e-05,
0.000200096, 3.12e-06, 8.75e-05, 3.11e-06, 6.89e-06, 0.000165936,
5.98e-05, 0.000201355, 5.92e-06, 2.57e-05, 2.53e-05, 3.27e-05,
0.000137446, 0.000134402, 5.86e-07, 3.9e-05, 0.018886909, 0.050343466,
4.15e-05, 1.67e-05, 0.000172614, 4.95e-05, 1.27e-05, 9.85e-05,
4.28e-05, 0.002708402, 0.003215586, 0.00457116, 0.001713549,
0.024353184, 0.006660748, 0.003198887, 0.003094386, 0.004789163,
0.002816955, 0.021587313, 0.002084725, 0.00378062, 0.021751495,
0.009097143, 0.012216225, 0.001125765, 0.013043534, 0.005514773,
0.008323962, 0.026898764, 0.002149135, 0.008021623, 0.006673567,
0.005391139, 0.018578559, 0.013786297, 0.00080595, 0.001289505,
0.002451416, 0.000234107, 0.001694733, 0.000288175, 0.002357478,
0.000856129, 0.00159752, 0.000117538, 0.000166581, 0.000367288,
0.001039841, 0.001779528, 0.000438092, 0.001012515, 0.000529936,
0.003193086, 0.002562702, 0.00277401, 0.003013136, 0.001349197,
0.001646296, 0.001114222, 0.001207882, 0.002804949, 0.000366419
), .Dim = c(27L, 13L), .Dimnames = list(c("2", "0", "0", "0",
"1", "0", "0", "1", "1", "1", "2", "0", "0", "1", "2", "2", "1",
"2", "2", "2", "2", "1", "1", "2", "2", "0", "0"), c("Gene1",
"Gene2", "Gene3", "Gene4", "Gene5", "Gene6", "Gene7", "Gene8",
"Gene9", "Gene10", "Gene11", "Gene12", "Gene13")))
Реальный набор данных намного больше: 194 строки и 600 генов. У меня есть 0 в моих данных. Я попытался преобразовать журнал (добавив очень маленькое число к точкам данных, что, как я понимаю, не самое лучшее), BoxCox с помощью пакета caret и qqnorm. Ни один из этих методов не позволил данным соответствовать нормальному распределению, как определено на графиках гистограммы некоторых столбцов, тестах Андерсона-Дарлинга или графиках QQ, где это необходимо.
Я понимаю, что могу попробовать метод Йео Джонсона через пакет Caret или bestNormalize, учитывая, что у меня нулевые значения.
Код, который я пробовал до сих пор, таков, и точки данных не преобразован с ЙоДжонсоном, используя пакет карет. Там нет сообщения об ошибке.
require(caret)
preProcessValues <- preProcess(data, method = "YeoJohnson")
datanorm <- predict(preProcessValues, data)
Значения datanorm остаются такими же, как исходные данные.
Другими методами, которые я пробовал, был бы qqnorm (данные), который не нормализуется при просмотре выходных значений.
Обновление; Из комментариев ниже я понимаю, что нормализация Z-баллов не поможет обеспечить соответствие данных нормальному распределению.
Любые предложения относительно того, как исправить вышеизложенное, были бы полезны, поскольку это единственный пакет, с помощью которого я могу вводить данные в виде матрицы.
Пакет bestNormalize можно использовать только для отдельных столбцов (так как x должен быть вектором), и мне нужно в идеале преобразование для матрицы значений.
require(bestNormalize)
values <- yeojohnson(data[, 1], standardize=T)
normoutput <-predict(values)