独立性t检验

生信喵

一、t 检验与 wilcox 检验
       连续型变量独立性检验，如果数据分布满足正太分布可以使用t检验，否则使用wilcox检验。
       基因表达差异：基因表达量高低。

1. dta <- read.csv("heatmap.csv",header = T,row.names = 1)
   
2. 
   
3. # 单个基因t检验
   
4. head(dta,1)  
   
5. dta[1,1:5]
   
6. dta[1,6:10]
   
7. t.test(dta[1,1:5],dta[1,6:10])
   
8. y <- t.test(dta[1,1:5],dta[1,6:10])
   
9. class(y)
   
10. str(y)
    
11. for (i in 1:30) {
    
12.   y <- t.test(dta[i,1:5],dta[i,6:10])$p.value
    
13.   print(y)
    
14. }
    
15. apply(dta, 1, function(x){t.test(x[1:5],x[6:10])$p.value})
    
16. apply(dta, 1, function(x){t.test(x[1:5],x[11:15],paired = T)$p.value})
    
17. apply(dta, 1, function(x){wilcox.test(x[1:5],x[11:15],paired = T)$p.value})
    
18. 
    
19. #计算Qvalue,多重假设检验
    
20. p.adjust.methods  
    
21. p <- apply(dta, 1, function(x){t.test(x[1:5],x[11:15])$p.value})
    
22. p.adjust(p)
    
23. p.adjust(p,'holm')
    
24. p.adjust(p,'fdr')
    
25. library(pheatmap)
    
26. pheatmap(dta)
    
27. p

复制代码

二、利用 t 检验验证实验结果

1. #探索数据nrow()，ncol()，rownames(),colnames()
   
2. head(ToothGrowth)
   
3. str(ToothGrowth)
   
4. colnames(ToothGrowth)
   
5. boxplot(len~supp:dose,data = ToothGrowth,col = c('orange','yellow'))
   
6. x <- ToothGrowth
   
7. nrow(x)
   
8. ncol(x)
   
9. #统计频数
   
10. table(x$supp)
    
11. table(x$dose)
    
12. table(x$supp,x$dose)
    
13. #分组t检验
    
14. t.test(x[(x$supp=="VC" & x$dose==0.5),]$len,x[(x$supp=="OJ" & x$dose==0.5),]$len,paired = F)
    
15. t.test(x[(x$supp=="VC" & x$dose==1),]$len,x[(x$supp=="OJ" & x$dose==1),]$len,paired = F)
    
16. t.test(x[(x$supp=="VC" & x$dose==2),]$len,x[(x$supp=="OJ" & x$dose==2),]$len,paired = F)

复制代码