Python和R统计检验比较各组之间的免疫浸润

统计检验用于比较各组间的免疫浸润差异,通过定量分析特定免疫细胞的浸润水平,评估它们在不同条件或组别下的显著性变化。常用方法包括t检验、Mann-Whitney U检验、ANOVA或Kruskal-Wallis检验,选择依据数据分布及样本特点。这些分析可揭示免疫微环境特征,助力探索疾病机制、预测治疗效果或筛选潜在生物标志物,为精准医学提供数据支持。

🌵Python片段

在 Python 中,统计检验可用于比较不同组之间的免疫浸润情况。常见的分析方法包括 t 检验单因素方差分析(ANOVA)非参数检验(如 Mann-Whitney U 检验、Kruskal-Wallis 检验)。以下是实现过程:


1. 数据准备

假设你有一个数据集,包含以下信息:

  • 样本编号 (Sample ID)
  • 组别 (Group)
  • 免疫浸润指标 (Immunoinfiltration)

以下是数据框的结构:

python 复制代码
 Sample ID    Group    Immunoinfiltration
 1            A        0.8
 2            A        0.6
 3            B        1.2
 4            B        1.5
 ...

2. 安装所需库

首先安装常用的库:

bash 复制代码
 pip install numpy pandas scipy seaborn matplotlib

3. Python 代码实现

导入库与加载数据

python 复制代码
 import pandas as pd
 import numpy as np
 from scipy.stats import ttest_ind, mannwhitneyu, f_oneway, kruskal
 import seaborn as sns
 import matplotlib.pyplot as plt
 
 # 假设数据保存在 CSV 文件中
 data = pd.read_csv("immune_infiltration.csv")

可视化数据

可以先使用箱线图或小提琴图观察各组免疫浸润的分布:

python 复制代码
 sns.boxplot(x='Group', y='Immunoinfiltration', data=data)
 plt.title("Immune Infiltration Across Groups")
 plt.show()

或者小提琴图:

python 复制代码
 sns.violinplot(x='Group', y='Immunoinfiltration', data=data, inner='quartile')
 plt.title("Immune Infiltration Across Groups")
 plt.show()

组间统计检验

(1) 两组之间的比较

  • 使用 t 检验(假设数据符合正态分布):
python 复制代码
 group_A = data[data['Group'] == 'A']['Immunoinfiltration']
 group_B = data[data['Group'] == 'B']['Immunoinfiltration']
 
 t_stat, p_val = ttest_ind(group_A, group_B)
 print(f"T-test: t-statistic={t_stat}, p-value={p_val}")
  • 使用 Mann-Whitney U 检验(非参数检验):
python 复制代码
 u_stat, p_val = mannwhitneyu(group_A, group_B)
 print(f"Mann-Whitney U Test: U-statistic={u_stat}, p-value={p_val}")

(2) 多组之间的比较

  • 使用 单因素方差分析(ANOVA)
python 复制代码
 groups = [data[data['Group'] == g]['Immunoinfiltration'] for g in data['Group'].unique()]
 
 f_stat, p_val = f_oneway(*groups)
 print(f"ANOVA: F-statistic={f_stat}, p-value={p_val}")
  • 使用 Kruskal-Wallis 检验(非参数检验):
python 复制代码
 h_stat, p_val = kruskal(*groups)
 print(f"Kruskal-Wallis Test: H-statistic={h_stat}, p-value={p_val}")

4. 结果解读

  • p 值小于显著性水平(如 0.05),则说明组间存在显著差异。
  • 若结果显著,可进一步进行 事后分析(Post-hoc test),例如使用 Tukey HSD 或 Dunn's test。

事后分析示例:

python 复制代码
 pip install scikit-posthocs
 import scikit_posthocs as sp
 
 # 进行 Dunn's 检验
 posthoc = sp.posthoc_dunn(data, val_col='Immunoinfiltration', group_col='Group', p_adjust='bonferroni')
 print(posthoc)

5. 完整流程示例

结合上述代码,可以顺利完成各组免疫浸润的统计分析和可视化。如果需要进一步扩展,还可以结合机器学习模型进行特征关联分析。

👉更新:亚图跨际

相关推荐
THMAIL20 小时前
机器学习从入门到精通 - 机器学习调参终极手册:网格搜索、贝叶斯优化实战
人工智能·python·算法·机器学习·支持向量机·数据挖掘·逻辑回归
ERP老兵-冷溪虎山20 小时前
Python/JS/Go/Java同步学习(第三篇)四语言“切片“对照表: 财务“小南“纸切片术切凭证到崩溃(附源码/截图/参数表/避坑指南/老板沉默术)
java·javascript·python·golang·中医编程·四语言同步学习·职场生存指南
科技树支点20 小时前
无GC的Java创新设计思路:作用域引用式自动内存管理
java·python·go·web·编程语言·编译器
THMAIL1 天前
机器学习从入门到精通 - 集成学习核武器:随机森林与XGBoost工业级应用
人工智能·python·算法·随机森林·机器学习·集成学习·sklearn
程序员miki1 天前
Pytorch的CUDA版本安装使用教程
人工智能·pytorch·python
小冷coding1 天前
随时随地写代码:Jupyter Notebook+cpolar让远程开发像在本地一样流畅
ide·python·jupyter
偷心伊普西隆1 天前
Pandas DataFrame 指南
python·数据分析·pandas
Yokon_D1 天前
Pycharm终端pip install的包都在C:\Users\\AppData\Roaming\Python\解决办法
python·pycharm·pip
爱补鱼的猫猫1 天前
pytorch可视化工具(训练评估:Tensorboard、swanlab)
人工智能·pytorch·python
川石课堂软件测试1 天前
Oracle 数据库使用事务确保数据的安全
数据库·python·功能测试·docker·oracle·单元测试·prometheus