我使用 ggplot2 制作了一个包含四个增长曲线的图表。
如果有人想尝试的话，希望下面的代码能够生成图表。
我想找到每条线上的最大斜率值，例如 4 个时间点。
任何人都可以给出如何解决这个问题的任何想法吗？
library(ggplot2)
dat <- structure(list(TIME = c(0L, 2L, 4L, 6L, 8L, 10L, 12L, 14L, 16L,
18L, 20L, 22L, 24L, 26L, 28L, 30L, 0L, 2L, 4L, 6L, 8L, 10L, 12L,
14L, 16L, 18L, 20L, 22L, 24L, 26L, 28L, 30L, 0L, 2L, 4L, 6L,
8L, 10L, 12L, 14L, 16L, 18L, 20L, 22L, 24L, 26L, 28L, 30L, 0L,
2L, 4L, 6L, 8L, 10L, 12L, 14L, 16L, 18L, 20L, 22L, 24L, 26L,
28L, 30L), OD600 = c(0.2202, 0.2177, 0.2199, 0.2471, 0.2834,
0.357, 0.4734, 0.647, 0.898, 1.1959, 1.3765, 1.3978, 1.3948,
1.3928, 1.3961, 1.4018, 0.24, 0.2317, 0.2328, 0.2522, 0.2748,
0.3257, 0.4098, 0.5455, 0.7387, 0.9904, 1.2516, 1.3711, 1.3713,
1.3703, 1.3686, 1.3761, 0.2266, 0.2219, 0.2245, 0.2401, 0.2506,
0.2645, 0.3018, 0.3484, 0.4216, 0.5197, 0.666, 0.872, 1.1181,
1.2744, 1.3079, 1.2949, 0.2389, 0.2242, 0.2315, 0.2364, 0.2372,
0.2373, 0.2306, 0.2385, 0.236, 0.2331, 0.2379, 0.2334, 0.2336,
0.2339, 0.2389, 0.2349), MMS = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0.005, 0.005, 0.005, 0.005, 0.005, 0.005, 0.005,
0.005, 0.005, 0.005, 0.005, 0.005, 0.005, 0.005, 0.005, 0.005,
0.01, 0.01, 0.01, 0.01, 0.01, 0.01, 0.01, 0.01, 0.01, 0.01, 0.01,
0.01, 0.01, 0.01, 0.01, 0.01, 0.02, 0.02, 0.02, 0.02, 0.02, 0.02,
0.02, 0.02, 0.02, 0.02, 0.02, 0.02, 0.02, 0.02, 0.02, 0.02)), .Names = c("TIME",
"OD600", "MMS"), class = "data.frame", row.names = c(NA, -64L
))
graph = ggplot(data=dat, aes(x=TIME, y=OD600))
graph + geom_line(aes(colour=factor(MMS)), alpha=1) +
opts(title="Log growth curves: change in cell density with increasing concentrations of MMS")+
scale_y_log10()
非常感谢
如果您不需要插值，@lockedoff 的解决方案很好，但是您确定两个初始浓度都需要 14 吗？
为了获得更好的值，您应该找到倾斜时间，即二阶导数为零的位置。对于真实数据来说，这可能很棘手，您应该首先绘制导数以查看这是否可能。
你会注意到浓度 0.02 是没有希望的，如果这是我的实验，我会回到实验室检查这是否真的是 0.02 还是 0.2。如果没有，则说明您有一种非常不寻常的物质，请小心，审稿人将在没有良好解释的情况下将其退回。
使用predict.smooth.spline计算导数，并使用uniroot找到斜率==0的点。
library(plyr)
smoothingDf = 8 # Adujst this. Larger values-> Smoother curves
# Check smoothing of second derivatives
deriv2 = ddply(dat,.(MMS),function(x){
data.frame(predict(smooth.spline(x$TIME,x$OD600,df=smoothingDf),0:max(x$TIME),2))
})
ggplot(data=deriv2, aes(x=x, y=y))+ geom_line(aes(colour=factor(MMS)))
# No chance to get a good value for 0.02, remove it
dat1 = dat[dat$MMS != 0.02,]
ld50 = ddply(dat1,.(MMS),function(x){
sp = smooth.spline(x$TIME, x$OD600, df=smoothingDf)
# Try to find a good initial range
app = predict(sp,min(x$TIME):max(x$TIME),2)
lower = app$x[which.max(app$y)]
upper = app$x[which.min(app$y)]
uniroot(function(t) predict(sp,t,2)$y ,lower=lower,upper=upper )$root
})
结果看起来不错，但没有 0.02
MMS V1
1 0.000 16.23093
2 0.005 17.43714
3 0.010 22.29317
