кривая роста бактерий (логистическая / сигмовидная) с несколькими независимыми переменными в R

Цель: я хочу получить регрессию (кривые ggplot и параметры модели) для кривых роста с несколькими обработками.

У меня есть данные для бактериальных культур C = {a, b, c, d}, растущих на источниках питания N = {x, y}.

Их идеализированные кривые роста (измерение мутности клеточной культуры каждый час) выглядят примерно так: введите описание изображения здесь

Есть 8 различных кривых для получения коэффициентов и кривых. Как я могу сделать это за один раз для моего фрейма данных, подавая разные обработки как разные группы для нелинейной регрессии?

Спасибо!!!

Этот вопрос похож на вопрос без ответа, размещенный здесь.

(исходный код для идеализированных данных, извините, это не элегантно, поскольку я не компьютерный ученый):

a<-1:20
a[1]<-0.01
for(i in c(1:19)){
  a[i+1]<-1.3*a[i]*(1-a[i])
}
b<-1:20
b[1]<-0.01
for(i in c(1:19)){
  b[i+1]<-1.4*b[i]*(1-b[i])
}
c<-1:20
c[1]<-0.01
for(i in c(1:19)){
  c[i+1]<-1.5*c[i]*(1-c[i])
}
d<-1:20
d[1]<-0.01
for(i in c(1:19)){
  d[i+1]<-1.6*d[i]*(1-d[i])
}
sub.data<-cbind(a,b,c,d)
require(reshape2)
data<-melt(sub.data, value.name = "OD600")
data$nutrition<-rep(c("x", "y"), each=5, times=4)
colnames(data)[1:2]<-c("Time", "Culture")


ggplot(data, aes(x = Time, y = OD600, color = Culture, group=nutrition)) +
  theme_bw() + xlab("Time/hr") + ylab("OD600") +
  geom_point() +  facet_wrap(~nutrition, scales = "free")

r ggplot2 nls non-linear-regression
person Dan Kehila    schedule 02.05.2017    source источник
comment
Вы можете проверить Подбор сигмовидной кривой в R   -  person Adam Quek    schedule 02.05.2017

Ответы (1)


arrow_upward
3
arrow_downward

Если вам знакома group_by функция из dplyr (включена в tidyverse), то вы можете сгруппировать свои данные по культуре и питанию и создать модели для каждой группы, используя broom. Я думаю, что эта виньетка дает именно то, что вы пытаемся выполнить. Вот код за один раз:

library(tidyverse)
library(broom)
library(mgcv)  #For the gam model

data %>%
      group_by(Culture, nutrition) %>%
      do(fit = gam(OD600 ~ s(Time), data = ., family=gaussian())) %>% # Change this to whatever model you want (e.g., non-linear regession, sigmoid)
      #do(fit = lm(OD600 ~ Time, data = .,)) %>% # Example using linear regression
      augment(fit) %>% 
      ggplot(aes(x = Time, y = OD600, color = Culture)) + # No need to group by nutrition because that is broken out in the facet_wrap
      theme_bw() +  xlab("Time/hr") + ylab("OD600") +
      geom_point() + facet_wrap(~nutrition, scales = "free") +
      geom_line(aes(y = .fitted, group = Culture))

Если у вас все в порядке, разбейте %>% для лучшего понимания. Я использовал GAM, который здесь подходит, но вы можете заменить его любой моделью, какой захотите, включая сигмовидную.

введите здесь описание изображения

person Jeff Parker    schedule 06.09.2017