2.1为CpG-SNP分析创建数据矩阵

为了说明这种类型的分析，我们生成以下人工文件。

• CpG_locations。*-带有snp - cpg位置的胶片矩阵。
  它有两列整数值-染色体数目和位置(空空的而且位置）.
• CpG_chromosome_names.txt-整数列的染色体名称(因子级别)文件空空的在位置矩阵中。
• 报道。*- filmatrix与所有样本和所有位置的数据。
  每行都有单个样本的数据。行名是示例名称。
  每一列都有一个位置的数据。列与位置胶片矩阵的行匹配。
• 单核苷酸多态性。-带有基因型数据的膜矩阵，与覆盖矩阵匹配。

首先，我们加载包并设置一个工作目录。项目目录博士可以在运行代码时将其设置为更方便的位置。

库(ramwas) #工作在临时目录Dr = paste0(tempdir()， "/simulated_matrix_data") dir。create(dr, showWarnings = FALSE) cat(dr，"\n")

# # / tmp / RtmpaK2H1x / simulated_matrix_data

设样本数据矩阵有200个样本和100,000个变量。

Nsamples = 200 nvariables = 100000

对于这200个样本，我们生成一个具有年龄和性别表型的数据框架和一个批处理效应协变量。

covariables = data.frame(sample = paste0("Sample_"，seq_len(nsamples))， sex = seq_len(nsamples) %% 2, age = runif(nsamples, min = 20, max = 80)， batch = paste0("batch"，(seq_len(nsamples) %% 3))) pander(head(协变量)))

接下来，我们为10万个变量创建基因组位置。

temp = cumsum(sample(20e7 / nvariables, nvariables, replace = TRUE) + 0) chr = as.integer(temp %/% 1e7) + 1L position = as.integer(temp %% 1e7) locmat = cbind(chr = chr, position = position) chrnames = paste0("chr"， 1:10) pander(head(locmat)))

现在我们将位置保存在filematrix中，并创建一个包含染色体名称的文本文件。

fmloc = fm.create.from.matrix(filenamebase = paste0(dr， "/CpG_locations")， mat = locmat) close(fmloc) writeLines(con = paste0(dr， "/CpG_chromosome_names.txt")， text = chrnames)

最后，我们创建甲基化和SNP矩阵并填充它们。

fmm = fm.create(paste0(dr，"/Coverage")， nrow = nsamples, ncol = nvariables) fms = fm.create(paste0(dr，"/SNPs")， nrow = nsamples, ncol = nvariables, size = 1, type = "integer") #矩阵的行名设置为样本名rownames(fmm) = as.character(协变量$sample) rownames(fms) = as.character(协变量$sample) #矩阵被填充，同时处理2000个变量byrows = 2000 for(I in seq_len(nvariables/byrows)){# I =1 ind = (1:byrows) + byrows*(I -1) SNPS = rbinom(n = byrows* nsamples, size = 2, prob = 0.2) dim(SNPS) = c(nsamples, byrows) fms[，ind] = SNPS slice = double(nsamples*byrows) dim(slice) = c(nsamples, byrows) slice[， 1:25 25] = slice[，1:25] +协变量$sex / 50 / sd(协变量$sex) slice[，101:116] = slice[，101:116] +协变量$age / 16 / sd(协变量$age) slice = slice + ((as.integer(factor(协变量$batch))+i) %% 3) / 200 + SNPS / 1.5 + runif(nsamples*byrows) / 2 fmm[，ind] = slice} close(fms) close(fmm) close(fmm)