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
内网渗透16 分钟前
Python 虚拟环境管理:venv 与 conda 的选择与配置
开发语言·python·conda·虚拟环境·venv
薄荷很无奈24 分钟前
CuML + Cudf (RAPIDS) 加速python数据分析脚本
python·机器学习·数据分析·gpu算力
yivifu29 分钟前
pyqt中以鼠标所在位置为锚点缩放图片
python·pyqt·以鼠标为锚点缩放图片
正在走向自律41 分钟前
AI数字人:繁荣背后的伦理困境与法律迷局(8/10)
人工智能·python·opencv·语音识别·ai数字人·ai伦理与法律
灏瀚星空1 小时前
Python在AI虚拟教学视频开发中的核心技术与前景展望
人工智能·python·音视频
一个天蝎座 白勺 程序猿1 小时前
Python爬虫(4)CSS核心机制:全面解析选择器分类、用法与实战应用
css·爬虫·python
进来有惊喜1 小时前
深度学习:迁移学习
python·深度学习
@正在学习驰骋的小马2 小时前
九、小白如何用Pygame制作一款跑酷类游戏(添加前进小动物作为动态障碍物)
python·游戏·pygame
BXCQ_xuan2 小时前
Django API 响应格式:一个新手踩坑记
python·django·状态模式
Python×CATIA工业智造2 小时前
基于CATIA参数化管道建模的自动化插件开发实践——NX建模之管道命令的参考与移植
python·pycharm·catia二次开发