Relation ou corrélation entre deux dataframes avec plusieurs colonnes

Question

J'ai deux dataframes et je voudrais montrer graphiquement (scatter plot) la corrélation entre les lignes de ces deux dataframes (gènes vs protéines) pour voir que chaque ligne est liée. Par conséquent, je peux voir deux stratégies à utiliser: 1. Une régression linéaire entre les deux données (aucune idée de comment) 2. Une corrélation de personnes entre les deux en utilisant la moyenne (et l'écart-type) des colonnes.

Quelqu'un peut-il m'aider à concevoir ces graphiques?

Voici un exemple de mes données:

genes <- "gene sample1 sample2 sample3 sample4 
gene1 1863.4 1972.94 1603.96 1185.6 
gene2 213.88 247.14 189.02 208.793 
gene3 8.06 9.25 9.59 7.33 
gene4 22.36 3.76 10.64 19.17" 
genes<-read.table(text=genes,header=T) 

protein <- "protein sample1 sample2 sample3 sample4 
protein1 314.2871797 426.8856595 405.7971059 334.1369651 
protein2 4747.866647 3070.916824 2780.352062 2990.085431 
protein3 1621.566329 1290.470104 1554.27426 1601.357345 
pretein4 8832.210499 7796.675008 8461.733171 9500.429355" 
protein<-read.table(text=protein,header=T) 

Merci

Answer 1

J'apprécie les réponses qui ont été marqués positivement par moi, et m'a aussi aidé à résoudre l'affaire comme suit:

#using the exemple data 


#getting the individuals average: 
mRNA_expression<- data.frame(genes=genes[,1], Means=rowMeans(genes[,-1])) 
Protein_abundance<- data.frame(protein=protein[,1], Means=rowMeans(protein[,-1])) 

#merging both to do the correlation graph 
mean_corr <- data.frame(mRNA_expression[,2],Protein_abundance[,2]) 
names(mean_corr) <- c("mRNA_expression","Protein_abundance") 

#deleting NA lines 
mean_corr <- mean_corr[complete.cases(mean_corr),] 

#appling log10 
mean_corr <- log10 (mean_corr) 

library(ggplot2) 

#to check the distribution 
ggplot(mean_corr, aes(x=Protein_abundance, y=mRNA_expression)) + labs(x = "Protein abundance (log10)", y = "mRNA expression (log10)") + theme(axis.title.y=element_text(margin=margin(0,10,0,0))) + theme(axis.title.x=element_text(margin=margin(10,0,0,0))) + 
    geom_point(shape=1) # Use hollow circles 
#Different kind of plots:: 

ggplot(mean_corr, aes(x=Protein_abundance, y=mRNA_expression)) + labs(x = "Protein abundance (log10)", y = "mRNA expression (log10)") + theme(axis.title.y=element_text(margin=margin(0,10,0,0))) + theme(axis.title.x=element_text(margin=margin(10,0,0,0))) + 
    geom_point(shape=1) + # Use hollow circles 
    geom_smooth(method=lm) # Add linear regression line 
# (by default includes 95% confidence region) 

ggplot(mean_corr, aes(x=Protein_abundance, y=mRNA_expression))+ labs(x = "Protein abundance (log10)", y = "mRNA expression (log10)") + theme(axis.title.y=element_text(margin=margin(0,10,0,0))) + theme(axis.title.x=element_text(margin=margin(10,0,0,0))) + 
    geom_point(shape=1) + # Use hollow circles 
    geom_smooth(method=lm, # Add linear regression line 
       se=FALSE) # Don't add shaded confidence region 

ggplot(mean_corr, aes(x=Protein_abundance, y=mRNA_expression)) + labs(x = "Protein abundance (log10)", y = "mRNA expression (log10)") + theme(axis.title.y=element_text(margin=margin(0,10,0,0))) + theme(axis.title.x=element_text(margin=margin(10,0,0,0))) + 
    geom_point(shape=1) + # Use hollow circles 
    geom_smooth()   # Add a loess smoothed fit curve with confidence region 

#statistics 
#to check the correlation 
cor(mean_corr) 

#linear regression 
#lm(genes_mean ~ protein$mean, data=mean_corr) 
lm(Protein_abundance ~ mRNA_expression, data=mean_corr) 

Answer 2

Pour un ensemble de colonnes:

data <- data.frame(genes[,2],protein[,2]) 
names(data) <- c("genes_sample1", "protein_sample1") 
plot(data) 
abline(lm(genes_sample1 ~ protein_sample1, data=data)) 

cor(data) 
       genes_sample1 protein_sample1 
genes_sample1  1.0000000  -0.6247528 
protein_sample1 -0.6247528  1.0000000 

Answer 3

rownames(protein) <- protein$protein 
protein_t <- as.data.frame(t(as.matrix(protein[, - 1]))) 
rownames(genes) <- genes$gene 
genes_t <- as.data.frame(t(as.matrix(genes[, - 1]))) 
cor(protein_t, genes_t, method = "pearson") 
plot(cbind(protein_t, genes_t)) 

En ce qui concerne la régression, je suppose que vous voulez pour chaque protéine, une régression liant son expression à tous les gènes, donc il irait comme ceci:

lapply(protein_t, function(protein) lm(protein ~ ., data = cbind(genes_t, protein = protein)))