r - R：皮尔逊相关 rcorr(x,y) [x=matrix, y=vector] 忽略 y

Question

我有一个x包含不同细胞系中 2000 个基因表达的矩阵 (30x2000) 和y一个连续变量结果的向量 (30x1)。我想计算每个基因与结果之间的 Pearson 相关性，因此，我期望 2000x1 的 r 值向量。我用过rcorr(x,y)，但结果是一个 2000x2000 矩阵，所以我猜它忽略y并计算所有基因（手册说：

x = 至少 5 行至少 2 列的数字矩阵（如果 y 不存在）

但是我可以有不止一列并且也有y吗？我必须使用不同的功能吗？

Answer 1

使用该功能cor将起作用。一般来说，如果x是 MxN并且 yy是 MxP，那么cor(x,y)将是一个 NxP 矩阵，其中条目 (i,j) 是 和 之间的相关x[,i]性y[,j]。

基于 SimonO101 的可重现示例：

> set.seed(1)
> x <- matrix( runif(12) , nrow = 3 )
> y <- runif(3)
> cor(x,y)
           [,1]
[1,]  0.3712437
[2,]  0.9764443
[3,]  0.2249998
[4,] -0.4903723

如果你只想要一个向量而不是一个矩阵：

> array(cor(x,y))
[1]  0.3712437  0.9764443  0.2249998 -0.4903723

Answer 2

您需要跨矩阵列apply的函数...corx

apply( x , 2 , cor , y = y )

一个可重现的例子

#  For reproducible data
set.seed(1)

#  3 x 4 matrix
x <- matrix( runif(12) , nrow = 3 )
#          [,1]      [,2]      [,3]       [,4]
#[1,] 0.2655087 0.9082078 0.9446753 0.06178627
#[2,] 0.3721239 0.2016819 0.6607978 0.20597457
#[3,] 0.5728534 0.8983897 0.6291140 0.17655675

# Length 3 vector
y <- runif(3)
#[1] 0.6870228 0.3841037 0.7698414

# Length 4 otuput vector
apply( x , 2 , cor , y = y )
#[1]  0.3712437  0.9764443  0.2249998 -0.4903723