R中如何为3000+行大表批量执行单侧Fisher精确检验
最简实现方案
大阶乘溢出问题完全不需要手写阶乘公式解决,R原生函数已经内置了对数尺度的计算逻辑,不会出现数值上限报错,且可以向量化批量完成3000行的计算,无需逐行写循环。
逻辑对齐
你手动推导的阶乘分式,本质就是超几何分布的概率质量函数,和R内置的fisher.test()计算逻辑完全同源。每一行数据对应的2x2列联表固定如下:
| 分组 | alt数 | ref数 |
|---|---|---|
| 样本组 | a | b |
| 人群组 | c | d |
其中a、b、c、d分别对应表格里的sample_alt、sample_ref、population_alt、population_ref列值。
最高效的向量化实现(无需逐行调用fisher.test)
这种方式3000行数据1秒内即可算完,是最简方案:
# 读取表格到R df <- read.csv("你的表格文件.csv", stringsAsFactors = FALSE) # 提取每一行的四列值 a <- df$sample_alt b <- df$sample_ref c <- df$population_alt d <- df$population_ref # 计算你给出的逐行点概率(和手写阶乘公式结果完全一致) df$point_prob <- dhyper(x = a, m = a + c, n = b + d, k = a + b) # 计算单侧Fisher精确检验p值(默认方向:样本组alt率高于人群组) df$fisher_one_sided_p <- 1 - phyper(a - 1, m = a + c, n = b + d, k = a + b)
- 所有计算都基于对数Gamma函数完成,不会直接计算超大阶乘,完全规避Excel遇到的
#NUM!溢出问题,哪怕总样本量到百万级也能正常运算。 - 如果你的单侧检验方向是检测样本组alt率低于人群组,直接把p值计算行替换为
df$fisher_one_sided_p <- phyper(a, m = a + c, n = b + d, k = a + b)即可。 - 如果需要双侧检验的p值,逐行调用
fisher.test()也完全可以,对你3000行的规模来说运行速度足够。
兜底的逐行实现方案(适配已有fisher.test使用习惯)
如果不想切换到超几何分布的参数逻辑,直接逐行套用你熟悉的fisher.test()也可以,代码如下:
df$fisher_p <- apply(df, 1, function(row) { mat <- matrix(c( as.numeric(row["sample_alt"]), as.numeric(row["population_alt"]), as.numeric(row["sample_ref"]), as.numeric(row["population_ref"]) ), nrow = 2) # 根据检验方向调整alternative参数,可选"greater"/"less" fisher.test(mat, alternative = "greater")$p.value })
内容的提问来源于stack exchange,提问作者Skinny_Genes
相关产品推荐
相关产品推荐

