我有兴趣找到基因列表之间的皮尔逊相关系数。基本上，我有Affymetrix基因水平的表达矩阵(行中的基因和列上的样品ID)，并且我有微阵列实验观察的注释数据，其中行中的样品ID和列上的描述标识。
数据
> expr_mat[1:8, 1:3]
Tarca_001_P1A01 Tarca_003_P1A03 Tarca_004_P1A04
1_at 6.062215 6.125023 5.875502
10_at 3.796484 3.805305 3.450245
100_at 5.849338 6.191562 6.550525
1000_at 3.567779 3.452524 3.316134
10000_at 6.166815 5.678373 6.185059
100009613_at 4.443027 4.773199 4.393488
100009676_at 5.836522 6.143398 5.898364
10001_at 6.330018 5.601745 6.137984
> anodat[1:8, 1:3]
V1 V2 V3
1 SampleID GA Batch
2 Tarca_001_P1A01 11 1
3 Tarca_013_P1B01 15.3 1
4 Tarca_025_P1C01 21.7 1
5 Tarca_037_P1D01 26.7 1
6 Tarca_049_P1E01 31.3 1
7 Tarca_061_P1F01 32.1 1
8 Tarca_051_P1E03 19.7 1
目标：
我打算看看每个样本中的基因如何与注释数据中相应样本的GA值相关联，然后生成保持高相关性基因与目标观察数据anodat$GA的子表达矩阵。
我的尝试：
gene_corrs <- function(expr_mat, anno_mat){
stopifnot(ncol(expr_mat)==nrow(anno_mat))
res <- list()
lapply(colnames(expr_mat), function(x){
lapply(x, rownames(y){
if(colnames(x) %in% rownames(anno_mat)){
cor_mat <- stats::cor(y, anno_mat$GA, method = "pearson")
ncor <- ncol(cor_mat)
cmatt <- col(cor_mat)
ord <- order(-cmat, cor_mat, decreasing = TRUE)- (ncor*cmatt - ncor)
colnames(ord) <- colnames(cor_mat)
res <- cbind(ID=c(cold(ord), ID2=c(ord)))
res <- as.data.frame(cbind(out, cor=cor_mat[res]))
res <- cbind(res, cor=cor_mat[out])
res <- as.dara.frame(res)
}
})
})
return(res)
}
但是，我上面的实现并没有返回我期望的，我需要通过查找与anodat$GA有很强相关性的基因来过滤掉基因。
另一个尝试：
我读了几篇关于类似问题的帖子，有些人讨论了使用limma包。这是我使用limma的尝试。在这里，我使用anodat$GA作为协变量来拟合线性模型limma：
library(limma)
fit <- limma::lmFit(expr_mat, design = model.matrix( ~ 0 + anodat$GA)
fit <- eBayes(fit)
topTable(fit, coef=2)
那么我希望从上面的代码中获取一个相关矩阵，并希望执行以下操作以获得过滤的子表达式矩阵：
idx <- which( (abs(cor) > 0.8) & (upper.tri(cor)), arr.ind=TRUE)
idx <- unique(c(idx[, 1],idx[, 2])
correlated.genes <- matrix[idx, ]
但我仍然没有得到正确的答案。我对使用limma方法充满信心，但我无法弄清楚代码上方出了什么问题。谁能指出我如何做到这一点？有没有有效的方法来实现这一点？
不要让你的数据那么难仔细检查，但在抽象中我会尝试这个：
library(matrixTests)
cors <- row_cor_pearson(expr_mat, anodat$GA)
which(cors$cor > 0.9) # to get the indeces of genes with correlation > 0.9