如何用R语言For循环对所有基因列对执行卡方检验并获取P值

数据示例 #

你的基因数据集Data前几行如下：

head(Data)
                       
          Gene1 Gene2 Gene3 Gene4 Gene5 Gene6 Gene7 Gene8 
  SAMPLE1   0    1      0      0     0     1   1     1          
  SAMPLE2   0    1      0      1     0     1   0     1        
  SAMPLE3   0    0      0      1     0     0   1     1          
  SAMPLE4   1    0      0      0     1     0   0     0    

现有手动检验代码 #

你已经手动对Gene7和Gene8列对执行了卡方检验和Fisher精确检验：

Gene7_Gene8 <- table(Data[, c("Gene7", "Gene8")])
chisq.test(Gene7_Gene8)
fisher.test(Gene7_Gene8)

批量处理方案（For循环实现） #

针对60列基因，要批量计算所有不重复列对的卡方检验P值，可按以下步骤操作：

1. 生成所有不重复的基因列对 #

先获取所有基因列名，再生成两两组合（避免重复计算，如Gene1-Gene2与Gene2-Gene1只保留一组）：

# 获取所有基因列名
gene_names <- colnames(Data)
# 生成所有不重复的两两组合（仅保留i<j的配对）
gene_pairs <- combn(gene_names, 2)

2. 初始化结果存储对象 #

创建数据框用于保存每对基因的名称及对应卡方检验P值：

# 初始化结果数据框
result_df <- data.frame(
  Gene_A = character(),
  Gene_B = character(),
  Chisq_Pvalue = numeric(),
  stringsAsFactors = FALSE
)

3. 循环执行卡方检验并存储结果 #

遍历所有列对，计算卡方检验并提取P值存入结果框：

# 遍历每一组列对
for (i in 1:ncol(gene_pairs)) {
  # 获取当前配对的两个基因名称
  gene1 <- gene_pairs[1, i]
  gene2 <- gene_pairs[2, i]
  
  # 生成列联表
  contingency_table <- table(Data[, c(gene1, gene2)])
  
  # 执行卡方检验（若列联表期望频数<5，建议补充Fisher检验）
  chisq_result <- chisq.test(contingency_table)
  
  # 将结果追加到数据框
  result_df <- rbind(result_df, data.frame(
    Gene_A = gene1,
    Gene_B = gene2,
    Chisq_Pvalue = chisq_result$p.value,
    stringsAsFactors = FALSE
  ))
}

4. 查看最终结果 #

执行完循环后，直接打印result_df即可获取所有列对的P值：

print(result_df)

补充说明 #

• 若部分列联表存在期望频数小于5的情况，卡方检验结果可靠性不足，可在循环中同时计算Fisher精确检验的P值，只需在结果数据框中新增一列存储对应值即可。
• 使用combn()函数生成不重复列对，比手动双重循环更高效，且能避免重复计算。

内容的提问来源于stack exchange，提问作者Aryh