【发布时间】：2019-07-27 01:15:42
【问题描述】：
我目前正在尝试对来自 RNA 表达的一些 log2cpm 数据运行 PCA。我对数据做了以下预处理：
- 上传我的表达数据集
- 根据我要进一步研究的基因选择（得分列表）过滤掉基因。
为控制和治疗设置数据集：
dataset <- read.table("log2cpm.txt", sep="\t", header = TRUE, row.names = NULL) %>% na.omit()#dataset
dataset <- dataset[!duplicated(dataset$hgnc_symbol), ]
row.names(dataset) <- dataset$hgnc_symbol
#Set genedabase
gene_DB <- read.table("TableS1.txt", sep="\t", header = TRUE) #selection
gene_DB <- gene_DB[!duplicated(gene_DB$Symbol), ]
row.names(gene_DB) <- gene_DB$Symbol
然后我过滤了基因：
#Filter genes from dataset based on imported database
dataset_filtered <- dataset %>% filter(hgnc_symbol %in% gene_DB$Symbol)
我进一步转置（翻转）数据帧并将其转换为矩阵：
data_tsc <- t(as.matrix(dataset_filtered))
colnames(data_tsc) <- c(data_tsc[2,1:ncol(data_tsc)])
data_tsc <- data_tsc[c(-1,-2),]
您可以在代码中看到我总是尝试保留 rownames(sample) 和 col_names(genes)，这样我可以在处理 PCA 和数据时对其有所了解，并跟踪 300+基因。
但是，当我通过 PCA 分析运行矩阵 (data_tsc) 时，这不起作用：
#Run PCA####
pca <- prcomp(data_tsc[,c(1:ncol(data_tsc))], center = TRUE,scale. = TRUE)
这会返回：
colMeans(x, na.rm = TRUE) 中的错误：“x”必须是数字
经过激烈的谷歌搜索，我发现了问题：as.matrix 和 t() 之前将数值转换为 chr。
我曾多次尝试使用以下功能纠正此问题：apply、lapply、as.numeric 等。破坏整个数据集。
那么有没有一种简单快捷的解决方案可以将 chr 值转换为数字，同时仍然保留我的行和列？非常感谢：D
附言。我只是在学习编码，但遇到了一些问题。
变化：
NelsonGon 要求我提供以下输入：
dput(head(data_tsc))
返回的
structure(c("4,891962697", "4,807689723", "5,07457417", "5,086369154",
"4,914961379", "4,83431453", "6,583923027", "6,482957338", "6,587420199",
"6,532262901", "6,438933039", "6,448834899", "2,832721409", "2,881398092",
"2,389231753", "2,780670224", "2,417835957", "2,761576388", "7,494008371",
"7,58143903", "7,62969704", "7,579694323", "7,438227488", "7,513190279",
"6,257073157", "6,351044394", "6,313216639", "6,597298125", "6,112566161",
"6,315617767", "6,822914122", "6,660904066", "6,925653718", "7,379973187",
"6,804033651", "6,443382931", "5,271577287", "5,510134745", "5,418971124",
"5,551120518", "5,302474278", "5,552416478", "5,165993558", "5,030291607",
"5,145076323", "4,905049925", "5,202651513", "5,250135996", "2,827019018",
"2,626020468", "2,702723667", "2,575260635", "2,30347029", "2,449794083",
"5,866824758", "5,881522359", "5,913145862", "5,922174742", "5,869024665",
"5,896680873"), .Dim = c(6L, 10L), .Dimnames = list(c("LIG_UT_1",
"LIG_UT_2", "LIG_UT_3", "LIG_UT_4", "LIG_UT_5", "LIG_UT_6"),
c("ACVR1", "ADAM17", "AGER", "AKT1", "ANPEP", "ANXA1", "AR",
"ATM", "AURKA", "AXIN1")))
第二次建议后的变化： 我在 read.table() 中改变了这个
dataset <- read.table("log2cpm.txt", sep="\t", header = TRUE, row.names = NULL, dec = ",")
指定 dec = ","
这在 dput 中给出了以下输出：
structure(c(" 4.8919627", " 4.8076897", " 5.0745742", " 5.0863692",
“4.9149614”、“4.8343145”、“6.5839230”、“6.4829573”、“6.5874202”、 “6.5322629”、“6.4389330”、“6.4488349”、“2.8327214”、“2.8813981”、 “2.3892318”、“2.7806702”、“2.4178360”、“2.7615764”、“7.4940084”、 “7.5814390”、“7.6296970”、“7.5796943”、“7.4382275”、“7.5131903”、 “6.2570732”、“6.3510444”、“6.3132166”、“6.5972981”、“6.1125662”、 “6.3156178”、“6.8229141”、“6.6609041”、“6.9256537”、“7.3799732”、 “6.8040337”、“6.4433829”、“5.2715773”、“5.5101347”、“5.4189711”、 “5.5511205”、“5.3024743”、“5.5524165”、“5.1659936”、“5.0302916”、 “5.1450763”、“4.9050499”、“5.2026515”、“5.2501360”、“2.8270190”、 “2.6260205”、“2.7027237”、“2.5752606”、“2.3034703”、“2.4497941”、 “5.8668248”、“5.8815224”、“5.9131459”、“5.9221747”、“5.8690247”、 " 5.8966809"), .Dim = c(6L, 10L), .Dimnames = list(c("LIG_UT_1", “LIG_UT_2”、“LIG_UT_3”、“LIG_UT_4”、“LIG_UT_5”、“LIG_UT_6”）， c(“ACVR1”、“ADAM17”、“AGER”、“AKT1”、“ANPEP”、“ANXA1”、“AR”、 “ATM”、“AURKA”、“AXIN1”）））
解决方案
Based on Adams suggestion prrevious suggestion to add dec = "," in read.table, and to afterwards use use the following code:
dataset_numeric <- apply(data_tsc, 2, as.numeric)
rownames(data_numeric) <- rownames(data_tsc)
colMeans(data_tsc)
我设法将字符值转换为数字，同时仍保留行和列。 PCA 有效，并且：
is.numeric(dataset_numeric)
[1] 是的
感谢大家的帮助，我沮丧得快把头发扯掉了。
【问题讨论】：
-
您可以使用
dput(head(dataset_name))提供样本数据以获得更好的重现性。 -
好的，我很快就读到了这个 dput 函数。所以如果我应用这个： dput(head(data_tsc)) 我会得到一些关于行/列名称的元数据，那么我如何喜欢这个到数字转换的数据集？
-
哦不！这只是为问题添加数据而不是解决问题。将其输出复制并粘贴到问题中。
-
嘿，看看变化。我已经添加了你的建议:)
-
是不是太长了？您只需按原样复制和粘贴它（不要操纵它）。这是人们访问您的数据的唯一（最佳）方式。
标签： r