这是一般做基因差异表达分析在使用t检验或者其他统计检验中常出现的一个问题。之前我学习和自己分析时就遇到过，尝试使用判断的方式事先检查它是不是数据存在问题（这类数据明显不服从正态分布），可以使用正态性检验，或者直接判断是不是样本组内的数据是完全一样的，如果一样就不要这个了。
今天一个师弟问到这个问题，我才有想起来，在简书上找了下自己的笔记发现没有把之前的方案记录下来~~考虑到这个问题的普遍性，我在这篇文章里提供下方案。
所遇到的问题：
分析两个样本之间是否存在差异，每个样本三个重复。现在用的是t.test，但有些样本三个重复的值一样（比如有0,0,0或者2,2,2之类的），想问下像这种数据应该用什么检验方法呢？
举个例子：
> t.test(c(0,0,0), c(2,2,2))
Error in t.test.default(c(0, 0, 0), c(2, 2, 2)) : 数据是恆量
这就是最简单的一个重复例子了，我们需要解决的就是这个问题。
为什么出现这问题？如果解决？以下是我的回答：
数据是恒量是无法做t检验的，因为计算公式分母为0（不懂的看下统计量t的计算公式，一般标准差/标准误为分母，所以恒量是不能算的）。因为你要用t检验，我给你一个处理思路， 先不分组别，按基因名检查所有样本的基因表达值（循环）是否一样，如果一样就丢掉，如果不一样，则按组别判断样本（每组3个）基因表达是否一样，如果不一样进行t检验寻找一批差异基因，如果一样，则输出原始的结果，再筛选其中差异大的基因 。
假设有两万个基因的表达，我手头没数据，所以写个伪代码：
下面用geneExpr1与geneExpr2表示两组数据：
for循环1(geneExpr1, geneExpr2):
组合某基因表达 - c(geneExpr1, geneExpr2) -> mergedExpr
if (mergedExpr是恒量):
进行下一个循环，计算下一个基因表达差异，这个基因不算了
else:
if (geneExpr1与geneExpr2都是恒量):
输出该结果进行人为检查，可以赋给一个列表什么的。虽然两者都是恒量，但两者可能有差异，却不能用统计检验算。
else：
统计检验
在使用t检验前尽量使用方差分析检验方差同质性。
最后提供两个参考函数：
1是判断恒量：
zero_range <- function(x, tol = .Machine$double.eps ^ 0.5) {
if (length(x) == 1) return(TRUE)
x <- range(x) / mean(x)
isTRUE(all.equal(x[1], x[2], tolerance = tol))
}
2是修正的t检验，其他检验可以参考该方式：
my.t.test.p.value <- function(...) {
obj<-try(t.test(...), silent=TRUE)
if (is(obj, "try-error")) return(NA) else return(obj$p.value)
}
这个函数可以帮助顺利的执行循环，如果出问题，返回相应的NA，这样我们可以算完后再检查数据。
参考：
https://stackoverflow.com/questions/9508518/why-are-these-numbers-not-equal
https://stackoverflow.com/questions/23093095/t-test-failed-in-r
网友评论