想问一下大家,FDR矫正后,p值差距很大怎么整,本来显著差异的基因有几万个,矫正完就几十个了,对基因组和基因分析的wilcoxon检验矫正的p值甚至一个显著差异的都没有。想请教一下,用inStrain计算出的breadth,coverage能不能进行过滤处理筛掉低丰度的数据
想请教一下,FDR矫正后,p值差距很大怎么整
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
1条回答 默认 最新
- 吃不了席 2024-08-30 17:19关注
以下回复参考:皆我百晓生、券券喵儿等免费微信小程序作答:
根据你的描述,FDR矫正后p值差距很大,导致显著差异的基因数量大幅减少。这可能是由于数据中存在一些低丰度的数据,影响了p值的计算和矫正。为了解决这个问题,你可以考虑对基因组和基因分析的wilcoxon检验矫正的p值进行过滤处理,筛掉低丰度的数据。
在R语言中,你可以使用以下方法进行过滤处理:
-
首先,你需要确定一个合适的过滤阈值,用于筛选高丰度的数据。这个阈值可以根据你的数据特点和实验设计来确定。
-
使用inStrain计算出的breadth和coverage作为过滤条件。你可以根据inStrain的相关文档或文章来了解如何计算这些指标。
-
根据确定的过滤条件,删除掉coverage和breadth比较低的genome。
-
对过滤后的数据进行p值矫正,可以使用R语言中的相应函数进行FDR矫正。
以下是一个示例代码,用于根据coverage和breadth过滤数据并进行p值矫正:
# 假设你的数据存储在一个名为data的数据框中,其中包含coverage和breadth列 # 确定过滤阈值 coverage_threshold <- 10 breadth_threshold <- 5 # 根据过滤条件筛选数据 filtered_data <- data[data$coverage >= coverage_threshold & data$breadth >= breadth_threshold, ] # 进行p值矫正 corrected_pvalues <- p.adjust(filtered_data$pvalue, method = "fdr") # 将矫正后的p值添加到数据框中 filtered_data$corrected_pvalue <- corrected_pvalues # 查看矫正后的显著差异基因数量 significant_genes <- filtered_data[filtered_data$corrected_pvalue < 0.05, ] num_significant_genes <- nrow(significant_genes)
请根据你的实际情况修改代码中的变量名和阈值,以适应你的数据和需求。
解决 无用评论 打赏 举报 -
悬赏问题
- ¥15 树莓派Linux系统下无法下载miniconda
- ¥15 C# wpf 软年 卸载有残留 webview2
- ¥15 求代写matlab解决柔性调度代码,价格私
- ¥15 为什么安装Anaconda时报系统找不到指定文件?
- ¥15 如何将这个项目的ssh-TCP,改成ssh3-UDP协议
- ¥20 ic卡dump文件校检码解密
- ¥15 关于:接收到的数据不是有效的JSON格式
- ¥15 apdl语言如何增加受力分析
- ¥15 算法对比:学校优化算法与蚁群算法对比
- ¥15 机电一体化系统设计说明书