我有一个数据集，它是一个大字符向量（1,024,459 个元素），由基因 ID 组成。它看起来像：
> length(allres)
[1] 1024459
>allres[1:10]
[1] "1" "1" "1" "1" "1" "1" "1" "10" "10" "100"
每个基因 ID 重复其在 RNA seq 运行中出现的次数（因此这里，基因“1”有 7 个读数，基因“10”有 2 个读数）。我想以 10,000 个读取间隔绘制每个读取次数识别的基因数量，这样我可以看到如果我随机采样 10,000 个读取、20,000、30,0000 等，我可以看到有多少个基因被识别出来。我制作了一个间距向量seq() 函数如下所示：
> gaps <- seq(10000, length(allres), by=10000)
但我不确定如何将其应用于我的 allres 矢量并绘制它。非常感谢任何帮助。
【问题讨论】：
标签： r subsampling
所以，你可能想要的是这样的：
gaps <- seq(10000, length(allres), by = 10000)
lapply(gaps, function(x){
#This will give you the number of appearances of each value, within
#an gaps[x]-sized sample of allres
aggregated_sample <- table(sample(allres, size = x))
#plotting code for sample goes here. And "x" is the number of reads so
#you can even use it in the title!
#Just remember to include code to save it to disc, if you want to save it to disc.
return(TRUE)
})
如果您使用 ggplot2 进行绘图，当然，您甚至可以将绘图保存为对象，然后用 return(plot) 而不是 return(TRUE)，然后再进行进一步的调整/调查。
【讨论】：