r语言是什么中怎么用contrasts把某一类别设为0

来源：蜘蛛抓取(WebSpider) 时间：2017-06-08 05:30 标签： r语言

应用表达倍数筛选得到表达倍数超过2倍的基因数量有862个，应用p值筛选后得到562个差异表达基因：


%这种方法在R软件包limma里面实现得最好。limma最初主要用于双色（双通道）芯片的处理，现在不仅支持单色芯片处理，新版还添加了对RNAseq数据的支持，很值得学习使用。安装方法同前面其他Bioconductor软件包的安装。载入limm软件包后可以用limmaUsersGuide()函数获取pdf格式的帮助文档。limma需要先产生一个design矩阵，用于描述RNA样品：

先统计一下数量。可以看到：对于T7d-C0h比较组（coef=3），表达变化超过2倍（lfc参数）的基因数为842个，而变化超过2倍、p<0.05的基因总数为740个：

%为什么以上几种方法仅用表达倍数（2倍）筛选得到的数字不大一样？limma和直接计算的结果都是842个，而simpleaffy和SAM为862/861个。这是对eset信号值取对数和求平均值的先后导致的，limma先取对数再求平均值，而simpleaffy和SAM是先求平均值再取对数。

最后我们保存部分数据备下次使用：

建立Weight关于Diet的线性模型，从模型的summary的返回结果来看：

那么，Diet2，Diet3，Diet4的赋值以及其通过建模后得到的系数是怎么来的呢？R语言通过Contrast Matrix来实现。

0 0 0
0 0
0 0
0 0

那么这种对dummy variable赋值的编码方式（即对照矩阵）究竟是什么意思？

Treatment又称为Dummy Coding，首先会选择一个Level作为参考组（通常是第一个Level作为reference group），然后用剩余的Level的应变量的均值分别与参考组的应变量的均值来进行比较。

那么这些系数的含义是什么？

针对于分类变量（Factor），反应变量（Response Variable，即应变量y）反映了在每个Level下的均值（mean）。

继续上例，我们计算在每个Level下weight的均值：


也就是说系数a, b, c就是weight在各个水平下相对于截距的偏移，而这里截距就是参考组Diet1的weight的均值。

这个系数又称为效用（Utility），表面给定某Level，会对反应变量的提升（或减少）的幅度。比如，不考虑其他因素，当Diet=2，会对Weight有19.971的提升。

当包含的因子是解释变量时，通常会从预测转向 级别差异的分析，即称作方差分析（ANOVA）

分隔符号，左边为响应变量，右边为解释变量
表示包含除因变量外的所有变量
eg：若一个数据框包括变量y,A、B和C，代码y~.可展开为y~A+B+C
含单个协变量的单因素ANCOVA
含两个协变量的双因素ANCOVA
y~B+A（B是区组因子）
含单个组内因子（W）和单个组间因子（B）

非平衡设计时或存在协变量时，效应项的顺序对结果影响较大

越基础的效应应越需要放在表达式前面，首先是协变量、然后是主效应、接着是双因素的交互项，再接着是三因素的交互项

若研究不是正交的，一定要谨慎设置疚的顺序 

#单因素方差分析（感兴趣地是比较分类因子定义的两个或多个组别中的因变量均值）
 
 

 多重比较用于解决某一组别与其他的不同
 


 

 TukeyHSD（）函数提供了对各组均值差异的成对检验，但与HH包存在兼容性问题(（某些版本中）；
 


 （3）评估检验的假设条件
 
 

 当因变量服从正态颁，各组方差相等时，可用Q-Q图来检验正态性假设
 


 

 qqPlot（）要求用lm（）拟合，若数据落 在95%的置信区间范围内，说明满足正态性假设。
 


 

 R提供的可以做方差齐性检验的函数
 


 

 


 

 


 

 


 

 


 

 


 因使用了协变量，短途运输 获取调整的组均值即去除协变量疚后的组均值，可使用effects 包中的effects（）函数来计算调整的均值
 


 

 用户定义的对照的多重比较
 


 （1）评估检验的假设条件
 
 

 ANCOVA与ANOVA相同，都城要正态性和同方差性假设
 


 

 另ANOCVA还假定回归低低斜率相同，eg当ANCOVA模型饮食怀孕时间*剂量的交互项时，可对回归斜率的同质性进行检验。
 


 

 


 

 


 
 

 
 
 

 
 
 
 

 所谓重复测量方差分析，即受试者被测量不止一次。
 
 
 

 宽格式（wide format）：列是变量，行是观测值，且一行一个受试对象
 
 

 处理重复测量设计时，需要有长格式（long format）数据才能拟合模型；在长格式中，因变量每次测量都要放到它独有的行中。reshape包可为人正直将数据转换为相应的格式。

（1）单因素多元方差分析 

 
 
 

 单因素多元方差分析有两个前提假设，一个是多元正态性，一个是方差-协方差同质性。前者可用Q-Q图来检验该假设条件；方差-协方差矩阵同持性即指各组的协方差矩阵相同，可用Box's M检验来估计该假设。
 
 

 多元正态分布：若有一个p*1的多元正态随机向量x，均值为u，存在协方差矩阵，那么x与u的马氏距离的平方服从自由度为p的卡方分布。
 
 

 Q-Q图展示卡方颁的分位数，横纵坐标分别是样本量与马氏距离平方值。如果点全部落在斜率为1、截距为0的直线上，则表明数据服从多元

可用mvoutlier包中的ap.plot（）函数来检验多元离群点

（3）稳健多元方差分析

若多元正态性或者方差-协方差均值假设都不满足，又担心多元离群点，可考虑用稳健或非参版本的MANOVA检验。

vegan包中的adonis（）函数提供了非参数MANOVA的等同形式

用aov（）函数拟合模型

用回归lm（）来解决ANOVA问题


因线性模型要求预测变量是数值型，当lm（）函数碰到因子时，它会用一系列因子水平相对应的数值型对照变量为代替因子。若因子有k个水平，它将会创建k-1个对照变量。

第二个与第一个水平对照
第三个水平对照前两个均值
第四个水平对照前三个的均值
基于正交多项式的对照，用于趋势分析和等距水平的有序因子 
对照变量之和限制为0，也称作偏差找对，对各水平的均值与所有水平的均值进行比较
各水平对照基线水平，也称虚拟编码
类似于contr.treatment，只是基线水平变成了最后一个水平

可通过contrasts选项，修改lm（）默认的对照方法

fit.lm还可通过设定options（）函数修改R会话中的默认对照方法

我要回帖

更多关于 r语言 的文章

 

随机推荐