Question

我有以下data.frame，我想计算一些统计数据：

       gene_symbol signal_window signal_score MEF_chRNA     ES_chRNA signal_dist_to_gene
262764        GOT1        218220         0.08 0.2696089 0.3356937140               44805
403001        NKX2        218220         0.08 0.0000000 0.0008852885               42915
262630        GOT1        218221         0.08 0.2696089 0.3356937140               45005
403039        NKX2        218221         0.08 0.0000000 0.0008852885               42715
262793        GOT1        218222         0.00 0.2696089 0.3356937140               45205
402663        NKX2        218222         0.00 0.0000000 0.0008852885               42515
262867        GOT1        218223         0.16 0.2696089 0.3356937140               45405
402737        NKX2        218223         0.16 0.0000000 0.0008852885               42315
262677        GOT1        218224         0.16 0.2696089 0.3356937140               45605
403006        NKX2        218224         0.16 0.0000000 0.0008852885               42115
262858        GOT1        218225         0.16 0.2696089 0.3356937140               45805
402953        NKX2        218225         0.16 0.0000000 0.0008852885               41915

如示例data.frame中所示，每个gene_symbol可以有多个signal_window值。现在，对于每个gene_symbol中的每个signal_window，我想计算1/signal_dist_to_gene。我想使用此值来计算每个1/signal_dist_to_gene中每个gene_symbol的每个signal_window的总和。

例如，对于窗口218220，有两个基因。对于我想要计算的每个基因：

gene_weight_GOT1 = (1/signal_dist_to_gene_GOT1) / (1/signal_dist_to_gene_GOT1 + 1/signal_dist_to_gene_NKX2)
gene_weight_NKX2 = (1/signal_dist_to_gene_NKX2) / (1/signal_dist_to_gene_GOT1 + 1/signal_dist_to_gene_NKX2)

我最终想要使用这些gene_weight变量来计算：

MEF_prop = [MEF_chRNA_GOT1 * gene_weight_GOT1 * 1/2 + MEF_chRNA_NKX2 * gene_weight_NKX2 * 1/2] / [gene_weight_GOT1 * (MEF_chRNA_GOT1/2 + ES_chRNA_GOT1/2) + gene_weight_NKX2 * (MEF_chRNA_NKX2/2 + ES_chRNA_NKX2/2)]

没有人知道在同一个窗口中总会有2个基因。有些情况下没有基因（NA）和其他有20多个基因的情况。 有没有一种简单的方法可以使用plyr或dplyr进行计算？

Answer 1

这应该这样做。首先，我们按signal_window分组，然后按照您指定的方式计算权重。分母中的sum是通过组计算的（signal_window）

library(tidyverse)
df %>%
  group_by(signal_window) %>%
  mutate(gene_weight = (1 / signal_dist_to_gene) / sum(1/signal_dist_to_gene))

Answer 2

标准dplyr语法data.df %>% group_by() %>% mutate()对于您正在尝试的内容应该非常简单。

您的代码可能最终看起来像这样：

data.df %>% 
group_by(signal_window, gene_symbol) %>% 
mutate(gene_weight = (1/signal_dist_to_gene) / sum(1/signal_dist_to_gene)) %>%
mutate(MEF_prop = (MEF_chRNA * gene_weight * 1/2 + MEF_chRNA * gene_weight * 1/2) / (gene_weight * (MEF_chRNA/2 + ES_chRNA/2) + gene_weight * (MEF_chRNA/2 + ES_chRNA/2)))

如果您希望在gene_symbol内唯一地处理每个重复的符号，则可以从group_by删除signal_window，或者如果您希望将它们分组，则可以将其保留。{/ p>

这就是你要追求的吗？

根据data.frame的分组计算统计数据

2 个答案: