通过列名集运行命令答案

【问题标题】：Running command through sets of column names通过列名集运行命令
【发布时间】：2022-01-06 12:04:54
【问题描述】：

我有一个数据框 (merged_COIN_plink)，其中包含 181 个 RSID 编号的列，例如 (rs2807367_G) - （仅显示其中两个的示例）。

ID	Phenotype	rs2807367_G	rs2807376_A	Event	Survival	PS	RS	WBC
001	-9	1	0	1	349	2	1	8.8

我正在尝试使用 Rstudio 上的生存包做一个 coxph。我已经设法为每个 RSID 单独执行此操作，但是对于 181，我想知道是否有一种方法可以并行化它或运行它，以便它自动通过每个 RSID。

这是个人 coxph 的代码：

coxph(Surv(merged_COIN_plink$SURVIVAL, merged_COIN_plink$EVENT) ~ rs2807367_G + PS + RS + WBC, data= merged_COIN_plink)

我浏览了其他帖子，但它们似乎都令人困惑。我想知道是否可以使用诸如 RS* 之类的通配符，但我不确定这在 Rstudio 上是否容易做到。我还认为，在 unix 上，您可以列出 RS 编号并通过该列表运行代码以挑选出每个 RSID，但我不知道这在 Rstudio 上是否可行。

我试图从以 RS 开头的列名中列出一个列表，但这似乎无法正常工作：

rs_list <- merged_COIN_plink[grep("^rs",colnames(merged_COIN_plink)),] View(rs_list)

我也不确定 for 循环是否有效，但无法确定名称不同的列名。

structure(list(ID = c("100002", "100003", "100004", "100005", 
"100006", "100007", "100008", "100010", "100011", "100012", "100013", 
"100014", "10004", "1002", "1003", "1004", "1005", "1006", "1007", 
"1008", "1010", "101001", "101002", "101003", "101004"), PHENOTYPE = c(-9L, 
-9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, 
-9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L, -9L), rs2807367_G = c(1L, 
0L, 2L, 2L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 0L, 1L, 
0L, 0L, 1L, 0L, 1L, 1L, 0L, 0L), rs34963268_C = c(1L, 1L, 1L, 
0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 2L, 0L, 1L, 0L, 2L, 
0L, 0L, 1L, 0L, 0L, 0L), EVENT = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
0L, 1L, 0L, 0L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 0L, 1L, 1L, 
1L, 1L), SURVIVAL = c(349L, 384L, 283L, 671L, 674L, 285L, 224L, 
687L, 571L, 495L, 510L, 302L, 159L, 44L, 85L, 347L, 604L, 447L, 
1230L, 444L, 1260L, 758L, 392L, 379L, 188L), PS = c(2L, 0L, 0L, 
0L, 0L, 1L, 0L, 1L, 1L, 1L, 1L, 0L, 1L, 2L, 1L, 1L, 1L, 0L, 0L, 
0L, 0L, 0L, 0L, 1L, 1L), RS = c(1L, 1L, 1L, 1L, 0L, 0L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 0L, 0L, 1L, 1L, 1L, 0L, 1L, 1L, 1L, 0L, 
0L), WBC = c(8.8, 8.1, 9.3, 8.9, 7.2, 6.7, 11.6, 10.7, 6.1, 12.9, 
10.1, 9.1, 6.8, 13.3, 13.5, 10.9, 8.7, 11.4, 9.8, 8.9, 8, 11.3, 
6, 5.6, 8.8)), row.names = c(NA, 25L), class = "data.frame")

【问题讨论】：

您能否为您的数据创建一个可重现的示例？尝试使用dput(merged_COIN_plink ) 或仅使用其中的一部分（即dput(merged_COIN_plink[sample_rows, relevant_columns])
@jpsmith 当我做dput(merged_COIN_plink ) 时，它看起来对您查看不是特别有帮助，因为它显示了表格中的许多值。我尝试了dput(merged_COIN_plink[sample_rows, relevant_columns]) 使用特定的列号，但它不能正常工作，我也尝试了列名 - 你能提供更多帮助吗，对不起，我是新手。
嗨 Amy，当您使用 dput() 时，它通常看起来像一长串乱七八糟的东西，这很好（只需复制并粘贴整个 structure(...) 输出），但对于大数据集，它可能会变得笨拙.根据您当前的问题，尝试使用dput(merged_COIN_plink[1:25, c("ID","Phenotype","rs2807367_G","rs2807376_A","Event","Survival","PS","RS","WBC")) 输出前 25 行和相关列
嗨，很抱歉花了我这么长时间@jpsmith！我不得不摆弄一些括号：dput(merged_COIN_plink[1:25, c("ID","PHENOTYPE","rs2807367_G","rs34963268_C","EVENT","SURVIVAL","PS","RS","WBC")]) 我应该如何给你输出？我要复制粘贴吗？
艾米，是的，我做了一个没有帮助的打字机！要添加它，您应该编辑您的问题以在末尾附加structure(...)

标签： r loops parallel-processing

【解决方案1】：

遍历for 循环当然是有效的，但是在您的（真实）数据中有这么多列可能需要很长时间。一个可能更“优雅”的答案:)

# Get names of columns with RSID numbers (could also use `grep` or some other way
RSIDcols <- colnames(merged_COIN_plink[,3:4]) 

# Define formulas
formulas <- sapply(RSIDcols, 
                   function(x) as.formula(paste('Surv(SURVIVAL, EVENT) ~ ', paste(x, "+ PS + RS + WBC"))))

# Run models
models <- lapply(formulas, function(x) {coxph(x, data = merged_COIN_plink)})

这会将每个结果输出到一个列表 (models) 中，然后可以使用以下 RSID 名称访问该列表：

names(models) <- RSIDcols # rename list elements to RSID name

# Access individual model results using `[[]]`
models[["rs34963268_C"]]

# > models[["rs34963268_C"]]
# Call:
#   coxph(formula = x, data = merged_COIN_plink)
# 
# coef exp(coef) se(coef)      z      p
# rs34963268_C -0.11518   0.89120  0.36030 -0.320 0.7492
# PS            0.72277   2.06012  0.43391  1.666 0.0958
# RS           -1.02832   0.35761  0.54250 -1.896 0.0580
# WBC           0.05065   1.05195  0.11965  0.423 0.6721
# 
# Likelihood ratio test=6.04  on 4 df, p=0.1962
# n= 25, number of events= 21

【讨论】：

效果非常好，非常感谢！你是最棒的。
没问题艾米 - 祝你编码好运！感谢您发布您的数据，您可以看到它让帮助变得更加容易:)

【解决方案2】：

使用 for 循环的解决方案应该足以满足您的需要，因为您没有太多列可以循环，而且速度似乎不太可能成为问题。我也认为很容易看到发生了什么。

这种方式将每个模型存储在一个列表中。

# identify the columns you need 
columns = colnames(dat)[grep("rs", colnames(dat))]

# create a list to store the results in
res = list()

# loop over the columns and perform the regression and save results in the list
for (i in seq_along(columns)) {
    res[[i]] = coxph(Surv(SURVIVAL, EVENT) ~ get(columns[i])  + PS + RS + WBC, data = dat)
}

然后，您可以按如下方式制作您喜欢的任何值的表格：

data.frame(nevent = sapply(res, function(x) x$nevent), columns)

  nevent      columns
1     21  rs2807367_G
2     21 rs34963268_C

【讨论】：