Bir sıklık tablosundaki satır alt kümelerinin sıklıkları

Question

Belirli bir alt kümedeki mutasyon sayısını hesaplamaya yaklaşımımı fazlasıyla uyguluyorum ve her örnek alt türünün yüzdesini hesaplamak için bir frekans tablosunu nasıl kullanabileceğimi merak ediyorum. bir mutasyon içerir. aşağıdaki gibi Veri benzer:

Rownames gene1 gene2 ...gene40 
Sample1 Mut WT  WT 
Sample2 WT WT  WT 
Sample3 Mut WT  WT 
Sample4 WT MUT  MUT 
...277 

Her bir numune, aynı sırada örnekleri ile bir çerçeve içinde sınıflandırılır $Subtype = "GS" "CIN" "MSI"

Her bir gen için alt tipi tarafından Genex mutasyona uğramış yüzdesini hesaplamak istiyorum masada.

Şimdiden teşekkürler!

Answer 1

ng <- 40 
ns <- 277 

set.seed(1) 
m <- matrix(sample(c('WT','MUT'), ng * ns, TRUE), ns, 
      dimnames = list(paste0('Sample', seq(ns)), paste0('Gene', seq(ng)))) 

data <- data.frame(m, stringsAsFactors = FALSE) 
subtype <- sample(c("GS","CIN","MSI"), ns, TRUE) 

veri Sonra

str(data) 
'data.frame': 277 obs. of 40 variables: 
    # $ Gene1 : chr "WT" "WT" "MUT" "MUT" ... 
    # $ Gene2 : chr "WT" "WT" "MUT" "WT" ... 
    # $ Gene3 : chr "MUT" "WT" "WT" "WT" ... 
    # $ Gene4 : chr "MUT" "MUT" "MUT" "WT" ... 

gibi görünüyorsa yapabildin böylece

sp <- split(data, subtype) 
(l <- lapply(sp, function(x) colMeans(x == 'MUT'))) 

## 
## 
## $CIN 
##  Gene1  Gene2  Gene3  Gene4  Gene5  Gene6  Gene7  Gene8  Gene9 
## 0.5268817 0.4516129 0.4838710 0.4408602 0.4516129 0.4301075 0.4731183 0.5376344 0.4408602 
## Gene10 Gene11 Gene12 Gene13 Gene14 Gene15 Gene16 Gene17 Gene18 
## 0.4193548 0.4946237 0.5698925 0.4301075 0.4838710 0.5053763 0.3978495 0.5161290 0.5483871 
## Gene19 Gene20 Gene21 Gene22 Gene23 Gene24 Gene25 Gene26 Gene27 
## 0.3978495 0.5698925 0.5698925 0.4516129 0.4946237 0.5268817 0.5591398 0.4731183 0.4838710 
## Gene28 Gene29 Gene30 Gene31 Gene32 Gene33 Gene34 Gene35 Gene36 
## 0.4946237 0.5161290 0.5161290 0.4301075 0.5698925 0.5376344 0.5161290 0.4516129 0.4301075 
## Gene37 Gene38 Gene39 Gene40 
## 0.4731183 0.6021505 0.5483871 0.4731183 
## 
## $GS 
##  Gene1  Gene2  Gene3  Gene4  Gene5  Gene6  Gene7  Gene8  Gene9 
## 0.4742268 0.4536082 0.5567010 0.4845361 0.4742268 0.5051546 0.5463918 0.4020619 0.4845361 
## Gene10 Gene11 Gene12 Gene13 Gene14 Gene15 Gene16 Gene17 Gene18 
## 0.4329897 0.4536082 0.4948454 0.4948454 0.4639175 0.3711340 0.5051546 0.5154639 0.5876289 
## Gene19 Gene20 Gene21 Gene22 Gene23 Gene24 Gene25 Gene26 Gene27 
## 0.5670103 0.5051546 0.5567010 0.5670103 0.5876289 0.5051546 0.4536082 0.5567010 0.5051546 
## Gene28 Gene29 Gene30 Gene31 Gene32 Gene33 Gene34 Gene35 Gene36 
## 0.4639175 0.4329897 0.5154639 0.4639175 0.4639175 0.5773196 0.5257732 0.4948454 0.4329897 
## Gene37 Gene38 Gene39 Gene40 
## 0.5360825 0.5257732 0.4742268 0.5051546 
## 
## $MSI 
##  Gene1  Gene2  Gene3  Gene4  Gene5  Gene6  Gene7  Gene8  Gene9 
## 0.4367816 0.4827586 0.5172414 0.4597701 0.4252874 0.5402299 0.4827586 0.5057471 0.5172414 
## Gene10 Gene11 Gene12 Gene13 Gene14 Gene15 Gene16 Gene17 Gene18 
## 0.5057471 0.5057471 0.5862069 0.5747126 0.5172414 0.4252874 0.5057471 0.5057471 0.5517241 
## Gene19 Gene20 Gene21 Gene22 Gene23 Gene24 Gene25 Gene26 Gene27 
## 0.5057471 0.5057471 0.5747126 0.4597701 0.5517241 0.4597701 0.6321839 0.4252874 0.4712644 
## Gene28 Gene29 Gene30 Gene31 Gene32 Gene33 Gene34 Gene35 Gene36 
## 0.4942529 0.4022989 0.5172414 0.5172414 0.4827586 0.4252874 0.5632184 0.4712644 0.5172414 
## Gene37 Gene38 Gene39 Gene40 
## 0.5172414 0.4712644 0.5977011 0.4482759 

Ve

do.call('rbind', l) 

#   Gene1  Gene2  Gene3  Gene4  Gene5  Gene6  Gene7  Gene8 
# CIN 0.5268817 0.4516129 0.4838710 0.4408602 0.4516129 0.4301075 0.4731183 0.5376344 
# GS 0.4742268 0.4536082 0.5567010 0.4845361 0.4742268 0.5051546 0.5463918 0.4020619 
# MSI 0.4367816 0.4827586 0.5172414 0.4597701 0.4252874 0.5402299 0.4827586 0.5057471 

gibi bir şey