使用 dplyr::group_by() 对每个组进行 loess 回归

Question

好吧，我挥舞着我的白旗。

我正在尝试对我的数据集计算 loess 回归。

我希望 loess 计算一组不同的点，这些点绘制为每个组的平滑线。

问题是 loess 计算是在逃避dplyr::group_by函数，所以 loess 回归是在整个数据集上计算的。

互联网搜索让我相信这是因为dplyr::group_by不应该以这种方式工作。

我只是不知道如何在每个组的基础上进行这项工作。

以下是我尝试失败的一些示例。

test2 <- test %>% 
  group_by(CpG) %>% 
  dplyr::arrange(AVGMOrder) %>% 
  do(broom::tidy(predict(loess(Meth ~ AVGMOrder, span = .85, data=.))))

> test2
# A tibble: 136 x 2
# Groups:   CpG [4]
   CpG            x
   <chr>      <dbl>
 1 cg01003813 0.781
 2 cg01003813 0.793
 3 cg01003813 0.805
 4 cg01003813 0.816
 5 cg01003813 0.829
 6 cg01003813 0.841
 7 cg01003813 0.854
 8 cg01003813 0.866
 9 cg01003813 0.878
10 cg01003813 0.893

这个有效，但我不知道如何将结果应用于原始数据框中的列。我想要的结果是列 x。如果我将 x 作为单独行中的一列应用，我会遇到问题，因为我dplyr::arrange之前调用过。

test2 <- test %>% 
  group_by(CpG) %>% 
  dplyr::arrange(AVGMOrder) %>% 
  dplyr::do({
    predict(loess(Meth ~ AVGMOrder, span = .85, data=.))
  })

这个只是失败并出现以下错误。

“错误：结果 1、2、3、4 必须是数据框，而不是数字”

此外，它仍然没有作为新列应用 dplyr::mutate

fems <- fems %>% 
  group_by(CpG) %>% 
  dplyr::arrange(AVGMOrder) %>% 
  dplyr::mutate(Loess = predict(loess(Meth ~ AVGMOrder, span = .5, data=.)))

这是我的第一次尝试，主要类似于我想做的事情。问题是这个对整个数据帧而不是每个 CpG 组执行 loess 预测。

我真的被困在这里了。我在网上读到 purr 包可能会有所帮助，但我无法弄清楚。

数据如下所示：

> head(test)
    X geneID        CpG                                        CellLine       Meth AVGMOrder neworder Group SmoothMeth
1  40     XG cg25296477 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.81107210         1        1     5  0.7808767
2  94     XG cg01003813 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.97052120         1        1     5  0.7927130
3 148     XG cg13176022 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.06900448         1        1     5  0.8045080
4 202     XG cg26484667 iPS__HDF51IPS14_passage27_Female____165.592.1.2 0.84077890         1        1     5  0.8163997
5  27     XG cg25296477  iPS__HDF51IPS6_passage33_Female____157.647.1.2 0.81623880         2        2     3  0.8285259
6  81     XG cg01003813  iPS__HDF51IPS6_passage33_Female____157.647.1.2 0.95569240         2        2     3  0.8409501

unique(test$CpG) [1] "cg25296477" "cg01003813" "cg13176022" "cg26484667"

因此，要明确的是，我想对数据框中的每个唯一 CpG 进行 loess 回归，将生成的“回归 y 轴值”应用于与原始 y 轴值（Meth）匹配的列。

我的实际数据集有几千个这样的 CpG，而不仅仅是四个。

https://docs.google.com/spreadsheets/d/1-Wluc9NDFSnOeTwgBw4n0pdPuSlMSTfUVM0GJTiEn_Y/edit?usp=sharing

Answer 1

这是一种整洁的 Tidyverse 使其工作的方式：

library(dplyr)
library(tidyr)
library(purrr)
library(ggplot2)

models <- fems %>%
        tidyr::nest(-CpG) %>%
        dplyr::mutate(
                # Perform loess calculation on each CpG group
                m = purrr::map(data, loess,
                               formula = Meth ~ AVGMOrder, span = .5),
                # Retrieve the fitted values from each model
                fitted = purrr::map(m, `[[`, "fitted")
        )

# Apply fitted y's as a new column
results <- models %>%
        dplyr::select(-m) %>%
        tidyr::unnest()

# Plot with loess line for each group
ggplot(results, aes(x = AVGMOrder, y = Meth, group = CpG, colour = CpG)) +
        geom_point() +
        geom_line(aes(y = fitted))

Answer 2

您可能已经弄清楚了这一点 - 但如果还没有，这里有一些帮助。

基本上，您需要向预测函数提供您想要预测的值的 data.frame （向量也可能有效，但我没有尝试）。

所以对于你的情况：

fems <- fems %>% 
  group_by(CpG) %>% 
  arrange(CpG, AVGMOrder) %>% 
  mutate(Loess = predict(loess(Meth ~ AVGMOrder, span = .5, data=.),
    data.frame(AVGMOrder = seq(min(AVGMOrder), max(AVGMOrder), 1))))

请注意，黄土需要运行最少数量的观测（~4？我记不清了）。此外，这将需要一段时间才能运行，因此请使用一部分数据进行测试以确保其正常工作。