FDR计算

FDR的计算很简单，我折腾了一上午主要是因为遇到了以下几个问题。

问题：

1. FDR是什么？有什么用？怎么计算？
2. 我把几个模型的P值都合并成一个表了，所以每次运算FDR时，我需挑选特定的对象。
3. 我有多个模型，所以我想着要如何构建循环。
4. FDR的数据类型和输出结果都是vector，所以要如何把vector的结果写回dataframe里

解决：

逐一摸索，再次巩固R的基础知识（PS：雷子要赶明天的组会汇报，所以我必须自食其力）。

1. 我的FDR理论学习笔记（微博）
2. 挑选特定的数值。因为FDR是多次重复测量中犯错的概率（见第一条FDR的概念），所以测量的次数就会影响校正后的结果（废话），所以一定要把每个model中的p单独挑出来运算！
   又因为FDR的运算对象是向量，所以我只提取模型中的p值这一列，而不是整个数据框截出来。

  p_value <- tdata$PCom[d:t]
  #p value has to be a vector
  # d和t分别是始末位置

1. 我一共有6个模型，每个模型147个代谢物。先在excel中按model排序，所以在1-882中，从1开始，每147个属于同一个model。

FDR <- vector()
d=1 #i=2
for (i in 1:6){
  t = 147*i
  p_value <- tdata$PCom[d:t]#p value has to be a vector
  p_adjust <- p.adjust(p_value,method = "BH",n=length(p_value))
  FDR <- c(FDR, p_adjust)
  d = t+1 
  # d的位置很重要，必须放在循环中的最后一步。
  # 一定要挑几个片段运行看，确保循环是对的。
}

1. 把结果写回原来的数据框

timo <- data.frame()
timo <- transform(out, FDR_Com=FDR) 
#out为原数据框，FDR_Com是其中我预先设好的一个空白列

思考：

写代码，数学逻辑还是很重要。
嗯呢，总结完去吃饭了~
PS：后天我生日 > <