Neste tutorial exemplificamos a aplicação do teste de hipótese kruskal-wallis na integração de “Copy Number Variation” e Expressão de Genes. Essa integração foi demonstrada no tutorial CNeEXP. Os testes de avaliação da distribuição normal foi previamente realizada no referido tutorial acima, o que demonstrou que os dados não seguem uma distribuição normal, deste modo, sendo indicado o teste aqui exemplificado. A doença em estudo é a Leucemia Mielóide Aguda (LMA).

00 - Input dos dados

01 - Filtragem dos genes de interesse

Aqui iremos filtrar apenas os genes de interesse, isto é, os relacionados a Leucemia Mielóide Aguda.

1.1 Genes de interesse:

genesAML <- c("KIT", "KITLG", "GRB2", " SOS","RAS","STAT","PI3","RAF","JAK","PIP","PKB","MTOR","MEK","MAPK","IKK","BAD","ERK","p7026k","PIM","EBP", "CEBP","PU", "RUNX1", "ETO", "PML","TRIM", "MYL", "PML", "RAR","CSF","GMCSF","PER2","CSF","CD14","CD64","CYC","MYC","DUSP","PPAR","TCF","JUP")

genesAML <- unique(genesAML)

1.2 loop for para “pegar” as variações de nomenclatura dos simbolos dos genes de interesse:

1.3 Apenas unicos valores de genes:

genesAML_new[1:10]

02- Filtrando o data frame para selecionar apenas os genes de interesse:

2.1 Loop for() para o teste kruskal-wallis:

for (i in genesAML_new) {
  inputKruskal <- all_cnvs_analysis[all_cnvs_analysis$SYMBOL %in% i,]
  if (length(unique(all_cnvs_analysis[all_cnvs_analysis$SYMBOL %in% i,]$type))>1) {
    testeK       <- kruskal.test(x = inputKruskal$normalized_read_count,
                                 inputKruskal$type)
    assign(paste0("res_Kruskal_",i), data.frame(gene=i,
                                                statistic=testeK$statistic,
                                                p_value = testeK$p.value,
                                                method = testeK$method))
    }else{
      print(paste("The observation in some 'type' values only have one group:",i))
    }
}
resultsKruskal <- NULL
for (variable in grep(pattern = "res_K", value = T, ls())) {
  resultsKruskal <- rbind(resultsKruskal, get(variable))
  row.names(resultsKruskal) <-NULL
}

O loop for acima retorna os resultados do teste de kruskal-wallis para todos os genes fornecidos como entrada (genesAML_new). Ele verifica se tem algum gene no qual há apenas um grupo, ou seja, regiões neutras sem variação de cópias. Os grupos fornecidos são três: deleções, duplicações e regiões neutras.

2.2 Gerando a tabela com os resultados acima:

Este trecho foi executado no código acima. Não é necessário executa-lo novamente.

resultsKruskal <- NULL
for (variable in grep(pattern = "res_K", value = T, ls())) {
  resultsKruskal <- rbind(resultsKruskal, get(variable))
  row.names(resultsKruskal) <-NULL
}

2.3 Podemos filtrar apenas os resultados com valor de P significativos

2.4 Visualizar os resultados significativos

resultsKruskal[resultsKruskal$p_value <=0.05,][1:5,]

Então, na tabela denominada resultsKruskal_Significativos temos os resultados desta análise.

CNKExp: Teste de kruskal-wallis na integração entre CNVs e Expressão Gênica na LMA