# wilcox自动循环
本脚本为方便进行wilcox批量循环所写。
## 使用方法
使用`source()`函数导入此脚本,如放置在项目下的bio目录,则运行`source("bio/for_wilcox.R")`即可载入脚本直接使用。
也可以在Rstudio中打开此脚本,运行脚本内的`function()`函数进行载入。
## 数据要求
### data数据要求
输入数据的示例数据为`data1`,`data2`。其中数据格式为,行为**gene**,列为**sample**,请保证数据框内没有**非numeric数据**。
### group数据要求
输入分组示例数据为`group_AHR`,其所需要的两列分别为**sample_ID**和**group**列,其中**group**列是必需的,**sample_ID**列为建议。
**sample_ID**存放sample_ID,**group**存放对应的分组信息。
`for_wilcox()`函数将通过`rawname(group)`来读取sample_ID,通过`group[,by]`来读取group信息。
其中,`group[,by]`的参数**by**列名可使用`for_wilcox()`中的**by**参数进行选择。
by参数的默认值为*group*。
需注意:
+ **sample_ID**需与`data1`和`data2`的*colnames*对应。
+ **group**列建议转化为factor格式,并检查level的顺序,使得实验组在前,对照组在后。转化factor的函数为`factor(group_AHR$type,levels = c("AHR","NO_AHR"))`
## 参数说明
+ `data_1` 数据1
+ `data_2` 数据2
+ `group` 分组信息
+ `by` 分组信息列名
+ `wilcox_exact` wilcox.test中exact开关控制
+ `use_adjust_p` 是否进行pvalue的矫正
+ `p_adj_method` adjp方法
+ `logFC_cut_off` logFC的cutoff值设置
+ `dir` 结果目录
### 其他
初期版本并未添加WARNING和ERROR提示,请严格按照数据要求使用。
## 测试代码
测试代码:
```R
test <- for_wilcox(data_1,data_2,
group = group_AHR,
by = 'type',
dir = "result/AHR/")
```
## 结果说明
`for_wilcox()`函数运行后会返回一个list结果,其数据结构为:
```R
result <- list(all = result_all,
fill_pvalue = subset(result_all,result_all$pvalue < 0.05),
up = subset(result_all,result_all$pvalue < 0.05&result_all$logFC > 0),
down = subset(result_all,result_all$pvalue < 0.05&result_all$logFC < 0))
```
其中
+ `result$all`存放的是全部的差异分析结果
+ `result$filter_pvalue`存放的是根据选择,对pvalue或adjpvalue < 0.05 进行筛选后的结果
+ `result$filter_pvalue_cutoff`在`result$filter_pvalue`的基础上,根据`logFC_cut_off`的设置,进行logFC的筛选
+ `result$up`存放的是p value < 0.05且logFC > 0的结果
+ `result$down`存放的是p value < 0.05且logFC < 0的结果
+ `result$data`存放的是data_1和data_2的list
+ `result$group`存放的是`group`数据框
+ `result$wilcox.test_exact`存放的是logical value,表示是否采用exact,默认*NULL*
+ `use_adjust_p` logical value,表示是否对pvalue进行矫正,默认*TRUE*
+ `logFC_cutoff`表示logFC的cutoff值为多少,默认*0*
+ `p_adj_method`表示pvalue的矫正方法,默认*fdr*
## 更新记录
### V1.0.2
+ 增加logFC的cutoff值设置,增加参数`logFC_cut_off`,默认为*0*。
+ 增加p值矫正开关,增加参数`use_adjust_p`,默认为*TRUE*。
+ 增加任务进度显示条,显示当前进程和总进程数,以及预计完成时间。(依赖**progress**包)
### V1.0.1
+ 增加p值矫正功能,增加参数 `p_adj_method`,默认为*fdr*方法。
+ 增加`wilcox.test()`中的`exact`选项开关,增加参数 `wilcox_exact`,默认为*NULL*。
### v1.0
首次提交,包含示例数据`data_1.rdata`、`data_2.rdata`和`group_AHR.rdata`,以及函数文件`for_wilcox.R`。
普通网友
- 粉丝: 1127
- 资源: 5292
最新资源
- json的合法基色来自红包东i请各位
- 项目采用YOLO V4算法模型进行目标检测,使用Deep SORT目标跟踪算法 .zip
- 针对实时视频流和静态图像实现的对象检测和跟踪算法 .zip
- 部署 yolox 算法使用 deepstream.zip
- 基于webmagic、springboot和mybatis的MagicToe Java爬虫设计源码
- 通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 进行深度学习的对象检测.zip
- 基于Python和HTML的tb商品列表查询分析设计源码
- 基于国民技术RT-THREAD的MULTInstrument多功能电子测量仪器设计源码
- 基于Java技术的网络报修平台后端设计源码
- 基于Python的美食杰中华菜系数据挖掘与分析设计源码
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈