在随机实验中用均值绘制基因表达数据答案

【问题标题】：Plotting gene expression data with means in a randomized experiment在随机实验中用均值绘制基因表达数据
【发布时间】：2014-10-02 22:05:35
【问题描述】：

我（R 的新手）正在分析一项关于两种治疗对基因表达影响的随机研究。我们在基线和 1 年后评估了 5 个不同的基因。基因倍数的计算方法是 1 年的值除以基线值。

示例基因： IL10_BL IL10_1Y IL10_fold

基因表达是作为一个连续变量来衡量的，通常在 0.1 到 5.0 之间。 100 名患者被随机分配到他汀类药物或饮食治疗组。

我想做以下情节： - Y 轴应显示具有 95% 置信限的平均基因表达 - X 轴应该是分类的，包含 5 个基因中每个基因的基线、1 年和倍数值，按治疗分组。因此，两组中每个基因有 3 个值的 5 个基因在 X 轴上意味着 30 个类别。如果同一个基因的点连成一条线，那就太好了。

我自己尝试过这样做（使用 ggplot2）但没有成功。我尝试直接从原始数据中进行，看起来像这样（前 6 个观察结果和 2 个不同的基因）：

    genes <- read.table(header=TRUE, sep=";", text = 
    "treatment;IL10_BL;IL10_1Y;IL10_fold;IL6_BL;IL6_1Y;IL6_fold;
    diet;1.1;1.5;1.4;1.4;1.4;1.1;
    statin;2.5;3.3;1.3;2.7;3.1;1.1;
    statin;3.2;4.0;1.3;1.5;1.6;1.1;
    diet;3.8;4.4;1.2;3.0;2.9;0.9;
    statin;1.1;3.1;2.8;1.0;1.0;1.0;
    diet;3.0;6.0;2.0;2.0;1.0;0.5;")

我将非常感谢任何帮助（或链接到类似线程）来做到这一点。

【问题讨论】：

标签： r plot ggplot2 genetics

【解决方案1】：

首先，您需要将数据融合为长格式，以便一列（您的 X 列）包含一个分类变量，指示观察值是BL、1Y 还是fold。

（您的命令会创建一个您可能需要先删除的空列：genes$X = NULL）

library(reshape2)
genes.long = melt(genes, id.vars='treatment', value.name='expression')

然后您需要不同列（来自this question）中的基因和测量值（基线、1 年、折叠）。

genes.long$gene = as.character(lapply(strsplit(as.character(genes.long$variable), split='_'), '[', 1))
genes.long$measurement = as.character(lapply(strsplit(as.character(genes.long$variable), split='_'), '[', 2))

并按照您期望的顺序进行测量：

genes.long$measurement = factor(genes.long$measurement, levels=c('BL', '1Y', 'fold'))

然后您可以使用stat_summary() 调用均值和置信区间进行绘图。使用方面来分隔组（治疗和基因组合）。

ggplot(genes.long, aes(measurement, expression)) + 
stat_summary(fun.y = mean, geom='point') + 
stat_summary(fun.data = 'mean_cl_boot', geom='errorbar', width=.25) +
facet_grid(.~treatment+gene)

如果您希望顶层是基因而不是治疗，您可以将顺序颠倒到facet_grid(.~gene+treatment)。

【讨论】：