表格中的背景减法答案

【问题标题】：background subtraction in a table表格中的背景减法
【发布时间】：2015-04-20 07:06:26
【问题描述】：

我有基因表达数据作为每个探针的计数，如下所示：

library(data.table)
mydata <- fread(
"molclass,mol.id,sample1,sample2,sample3
negative, negat1,  0, 1,   2
negative, negat2,  2, 1,   1
negative, negat3,  1, 2,   0
 endogen,  gene1, 30, 15, 10
 endogen,  gene2, 60, 30, 20
")

我的问题是 - 执行背景减法的最佳方法是什么，即对于每个 sampleN 列我需要计算背景（假设它将是来自 negative 类的所有值的平均值）然后从该列的每个值中减去该背景。目前我正在使用以下解决方案：

for (nm in names(mydata)[-c(1:2)]) {
  bg <- mydata[molclass=='negative', nm, with=F];
  bg <- mean(unlist(bg));
  mydata[[nm]] <- (mydata[[nm]] - bg);
}

但我觉得必须有一些“更好”的方式。

附：我知道有一些软件包可以做这些事情，但我的数据对应于计数的数量，而不是信号的强度——所以我不能使用limma 或为微阵列设计的类似工具。也许一些 seq-data 包会有所帮助，但我不确定，因为我的数据也不是来自测序。

【问题讨论】：

标签： r data.table bioconductor

【解决方案1】：

如果您需要将sample 列替换为计算值，您可以使用set（如@Frank 的帖子中所示），但无需创建额外的对象

indx <- grep('^sample', names(mydata))
for(j in indx){
 set(mydata, i=NULL, j=j, value=mydata[[j]]- 
       mydata[molclass=='negative', mean(unlist(.SD)), .SDcols=j])
}
mydata
#   molclass  mol.id sample1    sample2 sample3
#1: negative  negat1      -1 -0.3333333       1
#2: negative  negat2       1 -0.3333333       0
#3: negative  negat3       0  0.6666667      -1
#4:  endogen   gene1      29 13.6666667       9
#5:  endogen   gene2      59 28.6666667      19

或者@Frank 建议的变体（更有效）是

for(j in indx){
 set(mydata, i=NULL, j=j, value=mydata[[j]]- 
    mean(mydata[[j]][mydata$molclass=='negative']))
}

【讨论】：

当然，这实际上更接近于我所做的，尽管可以（应该？）在不使用方括号和 .SD 的情况下计算被减去的“背景”对象——mean(mydata[[j]][mydata$molclass=='negative'])——。 ..至少那是知识渊博的人通常所说的。另外，我猜您正在覆盖原始值，这与 OP 的期望输出一致（并且可以在一个 set 命令中完成所有操作），但在许多情况下可能不是正确的方法。跨度>
@Frank 是的，这样更好。我只想在一个 [ 中做到这一点。关于覆盖值，是的，我只看预期的结果。在我的帖子中，我确实提到了这一点。
仅供参考，我上一条评论中的[ 与mydata[ 中的[ 不同。第一个只是对向量进行子集化，而后者调用[.data.table，无论出于何种原因，它都有一些开销，其中的.SD 也是如此。
@Frank 现在，.SD 可能会慢一点，但我想它会在新版本中进行优化（使其更快）。
@VasilyA 这里我们得到了[.data.table。正如我们在 cmets 中所讨论的，这可能会慢一些（不确定）

【解决方案2】：

通常，您不应将<- 与data.table 一起使用。 set 循环中的最后一个分配会更好。输入?set查看帮助页面了解详情。

mycols  <- paste0('sample',1:3)
newcols <- paste0(mycols,'bk')

s       <- mydata[['molclass']] == 'negative'
mybkds  <- sapply(mycols,function(j) mean(mydata[[j]][s]) )

mydata[,(newcols):=NA]
for (j in mycols) set(mydata,j=paste0(j,'bk'),value=mydata[[j]]-mybkds[j])

我只完成了循环中的最后一步，但这与您的代码基本相同（所有内容都在循环中）。 *apply 函数和循环只是语法不同，我听说过，你可以随心所欲。

【讨论】：

非常感谢您的解决方案，尤其是您的解释！