R:拆表,分批相关

指定列数拆表

将表格拆成94份,每份50列,剩下的作为第95份,保存
1 读表,第一列作为行名
2 1-50,51-100,,,依次取列
3 取剩下的列

source /public/home/zzumgg03/huty/softwares/miniconda3/etc/profile.d/conda.sh
conda activate r403
# 拆分物种100份
df = read.table("01_input/data_relative_cutoff_CLR.txt", header=T, sep="\t", row.names=1)

for(i in 1:94)
{
    start = 1
    end = 50
    tmp = df[,c(start:end)]
    name = paste("02_batch/per50_batch",i,"txt", sep=".")
    write.table(tmp, file=name, sep="\t", quote=F)
    start = start + 50
    end = end + 50
}
start = 94*50 + 1
end = ncol(df)
tmp = df[,c(start:end)]
name = paste("02_batch/per50_batch.95.txt", sep=".")
write.table(tmp, file=name, sep="\t", quote=F)

一对相关分析

#!/usr/bin/env Rscript
args <- commandArgs(T)

# args[1] 一个个分批表
# args[2] 对应的一个个输出结果

library(psych)
library(stringr)

# input
df = read.table(args[1], sep="\t", header=T, row.names=1)
apd = read.table("01_input/gene_tpm_apd.txt", header=T, sep="\t", row.names=1)
apd = data.frame(t(apd))

# function
correlate = function(df1, df2, output)
{
    result=data.frame(print(corr.test(df1, df2, use="pairwise", method="spearman", adjust="none", alpha=.05, ci=TRUE, minlength=100), short=FALSE, digits=20))

    # 整理结果
    pair=rownames(result)  # 行名
    result2=data.frame(pair, result[, c(2, 4)])  # 提取信息

    # 格式化结果, 将细菌代谢物拆成两列
    result3=data.frame(str_split_fixed(result2$pair, "-", 2), 
                       result2[, c(2, 3)])
    colnames(result3)=c("feature_1", "feature_2", "r_value", "p_value")
    # save
    write.table(result3, 
                file = output, 
                sep="\t", row.names=F, quote=F)
}

correlate(apd, df, args[2])

多对相关脚本

#!/bin/bash
#SBATCH -p fat
#SBATCH --nodes=1
#SBATCH --ntasks=30
#SBATCH --ntasks-per-node=30
#SBATCH --mem=220G

source /public/home/zzumgg03/huty/softwares/miniconda3/etc/profile.d/conda.sh
conda activate r403

Rscript ./sc_asso.R 02_batch/per50_batch.1.txt 03_out/asso50_batch.1.txt &
Rscript ./sc_asso.R 02_batch/per50_batch.2.txt 03_out/asso50_batch.2.txt &
Rscript ./sc_asso.R 02_batch/per50_batch.3.txt 03_out/asso50_batch.3.txt &
...
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,542评论 6 504
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,822评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,912评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,449评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,500评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,370评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,193评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,074评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,505评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,722评论 3 335
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,841评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,569评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,168评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,783评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,918评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,962评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,781评论 2 354

推荐阅读更多精彩内容