在R中实现100次重复矩阵Bootstrap及相关图构建问题解决

数据集展示 #

library(igraph)
vetor <- c(1, 5, 3, 8, 2, 9, 3, 2:15, 1, 5, 3, 6, 5, 9, 3 )
matrix(vetor, 7, 7)
matrix <- matrix(vetor, 7, 7)
matcor <- cor(matrix, method = "spearman")

matrixnetwork = graph.adjacency(matcor, mode="undirected", weighted = TRUE, add.colnames=NULL, diag=FALSE)
plot(matrixnetwork)

需求说明 #

目标是通过随机置换每个感兴趣区域（Region of Interest, ROI）内的值的顺序，生成100个Bootstrap相关矩阵，再基于每个矩阵构建图，用于后续t检验对比分析。

初始尝试与问题 #

使用boot包尝试实现：

Corr_fun = function(matrix, indices) {
return(cor(matrix, method= "spearman")) }
BIboot= boot(matrix, statistic= Corr_fun, R = 100)

AIBOOT <- BIboot[["t"]]

该方法返回49×100的矩阵，运行以下代码时出现报错：Error in graph.adjacency.dense(adjmatrix, mode = mode, weighted = weighted, : not a square matrix.

g_boot <- graph_from_adjacency_matrix(AIBOOT, mode = "undirected", weighted = TRUE)

同时结果存在重复值问题。

其他尝试方法 #

使用bootstrap包 #

library(bootstrap)
theta = function(matrix, indices) {
return(as.matrix(matrix)) }  # 用于中心性的函数
BOOTSAVE <- bootstrap(matrix, nboot = 100, theta)

返回结果不符合需求。

直接对图进行置换 #

尝试直接置换图结构，但仅能逐个操作，无法批量生成100次：

matrixnetwork2 <- permute(matrixnetwork, sample(vcount(matrixnetwork)))

可行解决方案 #

初始可行代码（未添加重复区域） #

以数据集aibi_imuno_BI_1为例，最初尝试的可行代码：

N <- 7L 
set.seed(2023) 
R <- 100L 
BIboot <- vector("list", length = R) 
for(i in seq.int(R)) { 
  indices <- sample(N, replace = TRUE) 
  BIboot[[i]] <- cor(aibi_imuno_BI_1, method = "spearman") 
} 
g_boot_list <- lapply(BIboot, graph_from_adjacency_matrix, mode = "undirected", weighted = TRUE, add.colnames=NULL, diag=FALSE) 
plot(g_boot_list[[1]])

修正后代码 #

修正后实现了对ROI的随机置换，生成100个符合要求的相关矩阵：

# BOOT 1
N <- 7L
set.seed(2023)
R <- 100L
BIboot <- vector("list", length = R)
for(i in seq.int(R)) {
  indices <- sample(N, replace = TRUE)
  BIboot[[i]] <- cor(aibi_imuno_BI_1[indices, ], method = "spearman")
}
g_boot_list <- lapply(BIboot, graph_from_adjacency_matrix, mode = "undirected", weighted = TRUE, add.colnames=NULL, diag=FALSE)
plot(g_boot_list[[1]])

此时已成功得到100个随机置换生成的Bootstrap相关矩阵，并能基于每个矩阵构建图，存储在列表g_boot_list中。

另外两种尝试方法 #

方法2：置换图结构 #

尝试批量置换图的节点顺序，但未关联原始数据的置换：

#############BOOTPERMUTATION FORMA 2 ####################
N <- 7L
set.seed(2023)
R <- 100L
BIPERMUT <- vector("list", length = R)
for(i in seq.int(R)) {
  indices <- sample(N, replace = TRUE)
  BIPERMUT[[i]] <- permute(matrixnetwork, sample(vcount(matrixnetwork)))  
}

plot(BIPERMUT[[1]])
degree(BIPERMUT[[1]], normalized = FALSE, loops = FALSE)

方法3：直接复制原始图 #

仅批量复制原始图，未进行任何置换操作：

#################FORMA 3 #######################
N <- 7L
set.seed(2023)
R <- 100L
BIboot2 <- vector("list", length = R)
for(i in seq.int(R)) {
  indices <- sample(N, replace = TRUE)
  BIboot2[[i]] <- matrixnetwork
}

plot(BIboot2[[1]])
degree(BIboot2[[1]], normalized = FALSE, loops = FALSE)

内容的提问来源于stack exchange，提问作者Ana Paula Castro