R语言t检验报错：TCGA与GTEx基因表达差异分析代码调试

• 列筛选逻辑存在疏漏：原代码通过TCGA_GTEX_lung[-2]仅删除了第2列study，残留的第1列primary.disease是文本型疾病标注，并非数值型基因表达值。apply逐列循环时，这一文本列会被传入t.test函数，后续计算均值、方差时因类型不匹配返回NA，触发mean、方差计算的警告；最终t.test内部的逻辑判断语句拿到NA值，抛出missing value where TRUE/FALSE needed的报错。
• 硬编码分组逻辑鲁棒性差：虽然当前数据集是前4行TCGA、后2行GTEx，但靠固定行位置拆分样本的方式，一旦后续数据排序变动，就会出现样本分组错配，得到完全错误的检验结果。

• 替换列筛选规则：放弃“按列号删除文本列”的方式，直接显式选中4个基因表达列，从输入层面杜绝文本列进入计算流程，从根源消除类型不匹配的问题。
• 替换硬编码分组逻辑：依托study列的样本来源标注匹配分组，替代固定的行位置索引，就算后续数据行序变动，分组也不会出错。
• 可直接运行的修正代码：

# 第一步：校验分组样本量是否符合预期
table(TCGA_GTEX_lung$study)

# 第二步：提取纯数值型基因表达矩阵
gene_expr_mat <- TCGA_GTEX_lung[, c("gene1", "gene2", "gene3", "gene4")]

# 第三步：逐基因完成两组t检验
GEPVals <- apply(gene_expr_mat, 2, function(each_gene) {
  # 按study标注提取对应组的表达值，替代固定行位置索引
  tcga_expr <- each_gene[TCGA_GTEX_lung$study == "TCGA"]
  gtex_expr <- each_gene[TCGA_GTEX_lung$study == "GTEx"]
  # 执行t检验并提取p值
  t.test(tcga_expr, gtex_expr)$p.value
})

运行注意事项：如果修正代码后仍返回NA，可先用str(TCGA_GTEX_lung)检查各列存储类型，确认4个基因列是数值型，没有混入字符串格式的异常值即可。

内容的提问来源于stack exchange，提问作者Tah