R语言t检验结果表格无法生成p值对应*或**标记问题排查

错误原因分析 #

• 混淆Fold Change与统计显著性p值：你代码里用abs(Fold_Change) < 0.05判断星号，这完全错误。Fold Change是处理组和对照组的均值倍数变化，和统计显著性（p值）是两个完全不同的指标，必须通过统计检验（如独立样本t检验）计算每个基因型两组数据间的真实p值。
• ifelse判断顺序颠倒：就算基于阈值标记，也得先判断更严格的p < 0.01，再判断p < 0.05。原代码先判断<0.05，会导致所有<0.01的情况也被归为*，永远出不来**。
• 缺失统计检验步骤：原代码跳过了核心的统计检验环节，直接用Fold Change模拟p值，这是导致星号无法正确生成的根本原因。

修正后的完整代码 #

# Load necessary libraries
library(dplyr)
library(tidyr)
library(purrr)  # 用于map2_dbl处理组间t检验

# Original data
Input_data <- data.frame(
  Tags = c("Genotype 1", "Genotype 2", "Genotype 3", "Genotype 4", "Genotype 5", "Genotype 6", "Genotype 7", "Genotype 8", "Genotype 9"),
  Control_1 = c(50, 45, 48, 52, 47, 49, 51, 43, 46),
  Control_2 = c(52, 47, 50, 55, 49, 51, 53, 42, 48),
  Control_3 = c(48, 43, 46, 50, 45, 47, 49, 41, 44),
  Treatment_1 = c(60, 57, 51, 62, 59, 61, 63, 65, 56),
  Treatment_2 = c(58, 59, 50, 64, 61, 63, 65, 67, 58),
  Treatment_3 = c(62, 55, 56, 60, 57, 59, 61, 63, 54)
)

# Reshape the data into long format
long_data <- Input_data %>%
  pivot_longer(cols = -Tags, names_to = "Group", values_to = "Value") %>%
  separate(Group, into = c("Group", "Replicate"), sep = "_")

# Calculate mean, SD, and perform t-test for each genotype
summary_data <- long_data %>%
  group_by(Tags, Group) %>%
  summarise(
    Mean = mean(Value),
    SD = sd(Value),
    raw_values = list(Value),  # 保留原始值用于t检验
    .groups = "drop"
  ) %>%
  pivot_wider(names_from = Group, values_from = c(Mean, SD, raw_values)) %>%
  mutate(
    # 计算每个基因型的独立样本t检验p值
    p_value = map2_dbl(raw_values_Control, raw_values_Treatment, ~t.test(.x, .y)$p.value),
    # 根据p值生成星号标记
    p_star = case_when(
      p_value < 0.01 ~ "**",
      p_value < 0.05 ~ "*",
      TRUE ~ ""
    ),
    # 格式化均值±SD字符串
    Control = paste0(format(round(Mean_Control, 2), nsmall = 2), " ± ", format(round(SD_Control, 2), nsmall = 2)),
    Treatment = paste0(format(round(Mean_Treatment, 2), nsmall = 2), " ± ", format(round(SD_Treatment, 2), nsmall = 2)),
    # 计算Fold Change
    fold_change = log2(Mean_Treatment / Mean_Control)
  ) %>%
  # 合并Fold Change与星号
  unite("Fold_Change_with_Star", c("fold_change", "p_star"), sep = "") %>%
  # 整理输出列（可选保留原始p值用于验证）
  select(Tags, Control, Treatment, Fold_Change_with_Star, p_value)

# Print the final table
print(summary_data)

关键修正说明 #

1. 添加真实统计检验：用list(raw_values)保留每组原始数据，通过map2_dbl对每个基因型的Control和Treatment组做独立样本t检验，得到真实的p值。
2. 修正星号判断逻辑：使用case_when先判断最严格的p < 0.01（标记**），再判断p < 0.05（标记*），避免逻辑覆盖问题。
3. 拆分计算环节：将p值计算、星号标记、格式整理拆分到不同步骤，逻辑更清晰，便于调试和修改。

内容的提问来源于stack exchange，提问作者Learner