多重t检验比较
我想知道如何使用t.test或pairwise.t.test对基因组合进行多重比较。首先，如何比较基因1与基因3、基因3与基因4等所有组合？第二，如何才能将基因1的组合与其他基因进行比较？
我需要为此做些什么吗？
假设我有下面的数据集，当“参数不是相同的长度”时，我能做什么？
谢谢。
Gene S1 S2 S3 S4 S5 S6 S7
1 20000 12032 23948 2794 5870 782 699
3 15051 17543 18590 21005 22996 26448
4 35023 43092 41858 39637 40933 38865回答 2
Stack Overflow用户
发布于 2017-09-19 17:56:40
我认为@akrun在编程方面有一个很好的答案，但由于这个问题也与统计有关，因此需要指出的是，使用多次t检验可能不被认为是一种统计上合理的分析方法，这取决于您在完整数据集中的比较次数。所以请记住这一点。至少，在此建议采用Bonferroni修正或类似的方法。所以我把它添加到@akrun的代码中。
在运行t-测试之前，最好进行一次方差分析，看看总体上是否存在任何差异。哥伦比亚大学在他们的统计页面上对这一方法有了有益的解释。
尽管如此，为了回答问题的编程方面，我将向您展示如何做到这两种方法，但是对于那些查找相同问题的人，在使用这个答案之前，请仔细检查您的方法。
我在R.中通过选项(scipen=999)展示了以下结果，但没有科学符号，以帮助那些不太熟悉它的人。
T检验前方差分析：
summary(aov(val ~ as.factor(Gene), data=gather(df, key, val, -Gene)))
Df Sum Sq Mean Sq F value Pr(>F)
as.factor(Gene) 2 2627772989 1313886494 34.49 0.00000245 ***
Residuals 15 571374752 38091650
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1T检验：
library(broom)
library(dplyr)
library(tidyr)
gather(df, key, val, -Gene) %>%
do(data.frame(tidy(pairwise.t.test(.$val, .$Gene, p.adjust="bonferroni"))))
group1 group2 p.value
1 3 1 0.05691493022
2 4 1 0.00000209244
4 4 3 0.00018020669编辑：
对于这些测试，如果观测的长度不完全相同，那就不重要了。我前面描述的代码仍将运行。但是，通常在R中，使空值或空值等于NA是很好的做法。有关将值更改为NA的方法，请参见此所以回答。
如果你想把你的t测试限制在几个基因比较上，例如，基因1和基因3，基因1和基因4，但不包括基因3和基因4，最简单的方法仍然是使用上面的代码。然而，不要在pairwise.t.test函数中应用p值校正，只需将其应用于您想要评估的p值。试试这个：
res <- gather(df, key, val, -Gene) %>%
do(data.frame(tidy(pairwise.t.test(.$val, .$Gene))))
res <- res[res$group1==1 | res$group2 ==1,]
res$p.value <- p.adjust(res$p.value, method = "bonferroni")
print(res)
group1 group2 p.value
1 3 1 0.015989134399
2 4 1 0.000001458475请注意，上面只对我们有子集的测试应用p值校正，并希望对其进行评估，在本例中，这是任何涉及基因1的组合，不包括不涉及基因1的组合。
https://stackoverflow.com/questions/46305742
复制相似问题
腾讯云开发者
