使用 purrr 和 modelr 从剂量反应模型 (drm) 进行预测

Question

我有一个缩写形式的数据集，如下所示：

library(tidyverse)    
dat_s<-tibble(
      type=c(rep("A", 9), rep("B", 8), rep("C", 10)),
      ref=c("ref3", "ref3", "ref1",  "ref2", "ref2", "ref1", "ref2", "ref2", "ref2", "ref2", 
            "ref1", "ref2", "ref2", "ref3", "ref2", "ref3", "ref1", "ref3", 
            "ref2", "ref3", "ref1", "ref1", "ref3", "ref1", "ref1", "ref2", "ref2"),
      info=as.character(sample(100, 27)),
      liv=c(3.0e-05, 2.9e-07, 2.2e-07, 2.7e-07, 2.6e-06, 4.8e-07, 1.4e-05, 2.6e-06, 7.7e-06, 2.2e-06, 
            1.5e-07, 1.6e-07, 1.8e-06, 6.1e-08, 4.9e-06, 4.9e-06, 1.8e-06, 1.5e-07,
            4.3e-08, 1.8e-06, 1.0e-07, 1.6e-07, 9.7e-07, 1.0e-06, 6.4e-07, 1.2e-07, 5.7e-06),
      prod=c(0.00, 2, 3, 4.80, 2.10, 5.10, 0.00, 0.13, 2.00, 0.13, 0.00, 4.10, 4.60, 2.10, 0.26, 0.00, 
             4.60, 0.00, 4.60, 2.10, 4.80, 0.00, 0.00, 1.80, 3.60, 4.10, 0.00)
    )%>%
  mutate(livp1=liv+1)

我想计算type 和ref 的每种组合的剂量反应关系，进行预测以绘制曲线，并计算残差。 info 列是为了反映我在此数据框中还有其他列需要保留，但在剂量反应分析中并不重要。

我首先使用函数和嵌套数据框创建模型：

dr_s<-function(df){drc::drm(data=df, prod~log(livp1), fct=drc::LL.3())}

dat_mods<-
  dat_s%>%
  group_by(type, ref)%>%
  nest() %>%
  mutate(dr_mod=map(data, dr_s))

这有助于创建模型并将它们放入数据框中。要将add_predictions 与drm 类型的模型一起使用，输入必须是data.frame（而不是tibble）。当我尝试为每个 livp1 变量添加预测时（根据下面的 cmets）：

dat_mods%>%

mutate(mod_preds=map2(data, dr_mod, ~add_predictions(data=as.data.frame(.x), model=.y))))

我收到 non-numeric argument to binary operator 错误消息。当info 列不是character 类时，此代码可以正常工作。但是，我需要将这些信息与预测数据一起保留，并希望尽可能避免将其从数据框中提取出来。

感谢任何指导！

Answer 1

这个很傻，drm 类模型的predict 方法不适用于tibble 类的对象。所以你必须将.x 转换为data.frame。

dat_s%>%
  group_by(type, ref)%>%
  nest() %>%
  mutate(dr_mod=map(data, dr_s),
         mod_preds=map2(data, dr_mod, 
                        ~modelr::add_predictions(data = as.data.frame(.x[,"livp1"]),
                                                 model = .y)))
## A tibble: 9 x 5
## Groups:   type, ref [9]
#  type  ref   data             dr_mod mod_preds       
#  <chr> <chr> <list>           <list> <list>          
#1 A     ref3  <tibble [2 × 4]> <drc>  <df[,2] [2 × 2]>
#2 A     ref1  <tibble [2 × 4]> <drc>  <df[,2] [2 × 2]>
#3 A     ref2  <tibble [5 × 4]> <drc>  <df[,2] [5 × 2]>
#4 B     ref2  <tibble [4 × 4]> <drc>  <df[,2] [4 × 2]>
#5 B     ref1  <tibble [2 × 4]> <drc>  <df[,2] [2 × 2]>
#6 B     ref3  <tibble [2 × 4]> <drc>  <df[,2] [2 × 2]>
#7 C     ref3  <tibble [3 × 4]> <drc>  <df[,2] [3 × 2]>
#8 C     ref2  <tibble [3 × 4]> <drc>  <df[,2] [3 × 2]>
#9 C     ref1  <tibble [4 × 4]> <drc>  <df[,2] [4 × 2]>