RRA（Robust Rank Aggregation）是一种对排名进行整合，获得一个综合性排名列表的算法。这个方法最早实在2012年发表在Bioinformatics杂志上。
在数据挖掘过程中，我们经常可能会遇到这种情况。例如我们同时分析了三套表达谱数据，都得到了差异表达分析结果。
那么我们手上会有3个差异表达的gene list。怎么样才能挑出一些更重要的或者更有生物学意义的基因做后续分析或者实验验证呢？我们通常的做法可能是直接取这三个gene list的交集。虽然这样做确实可行，但是这种方法只考虑到了gene出现的次数，而没有考虑到基因在三个list里面的排序。如下图所示
红色标记的基因在三个gene list都出现了，这代表他很重要，这一点我们毫无疑问，但是也有很多其他的基因可能也出现了三次，我们怎么对这些基因的重要性进行排序呢？对于这种情况，我们就可以使用RRA方法。
RRA方法其实就是对多个排好序的基因集，进行求交集的同时还考虑一下它们的排序情况。总体上来说，就是挑选那些在多个数据集都表现差异的基因，并且每次差异都排名靠前的那些，他们的最终的综合排名也会比较靠前。
下面我们来看一个具体的例子，这里用到了R里面的RobustRankAggreg包，来实现RRA方法。
#安装RobustRankAggreg包
BiocManager::install("RobustRankAggreg")
#加载RobustRankAggreg包
library(RobustRankAggreg)
#下面的基因集合是随机产生的，为了保证大家能重现结果
#设置随机过程的seed
set.seed(123)
#产生三个gene set,模拟我们差异表达基因集合（这里用字母代替基因名）
glist <- list(gene_set1=sample(letters, 18),
gene_set2=sample(letters, 10),
gene_set3=sample(letters, 12))
#统计所有基因出现的次数
freq=as.data.frame(table(unlist(glist)))
#应用RRA算法，对基因进行整合排序
ag=aggregateRanks(glist)
#添加基因出现的次数
ag$Freq=freq[match(ag$Name,freq$Var1),2]
ag
我们首先随机生成了三个gene set，模拟我们分析三套数据得到的差异表达基因的结果，这里基因出现的顺序也会影响后面的排序。我们假设这里排在前面的基因fold change比较大。这三个基因集合如下，我们用一个字母表示一个基因的名字。
通过aggregateRanks方法对这三个基因集合整合排序之后，我们得到结果如下。我们可以看到j，k，i虽然都在三个基因集中出现了，但是为什么j排第一。我们可以从原始的排序中找到答案，j在原始三个基因集中排名分别为5/18，3/10，4/12。而k在原始基因集中排名分别为7/18，9/10，12/12，可以看出k在后面两个基因集中的排名垫底了。这也是为什么只有j的score是显著的（<0.05），而k和i都不显著。
这里用一个简单的例子给大家演示了RRA的过程，以及结果的解读。后面会结合具体的表达谱数来给大家进一步讲解这个方法，敬请期待！
网友评论