R的addins没有output tables r运行中没有melt这个函数

摘要：

如果几个列的数据都是一个类型，合并起来会更容易分析。怎么合并呢？用pandas的melt函数。在文末对于rt-pcr ddct值的统计也写了一点个人的认识。

---

pcr的数据表一般长成这样，每一列一个ct值，然后各次测量的结果就一行一行列下来。或者长成下面这样：

三次检测从左到右依次排开，基因和treatment group作为两个id var就这么放在左边。不管是哪种形式，真正方便我们做数据分析的，还是下面这种：

在excel里面做这种转换很蛋疼，所以还是直接用pandas比较好

import pandas as pd
pcr = pd.read_csv('datasets/data.csv')
pcr_melt = pd.melt(pcr, id_vars=['group', 'gene'],var_name='ct trial',value_name='ct')
pcr_melt.to_csv('datasets/pcr_melt.csv')

搞定。

pd.melt的文档：pandas.melt - pandas 0.24.1 documentation

---

关于rt-pcr的统计

下面的内容是我自己粗浅的理解，如有错误请务必指出。

1. ct值是什么东西呢？

ct值指的是目标基因通过不断的复制，到达可以被pcr仪器检测的临界值时候经历的周期数。自然，越早（ct值越小）到达临界值，说明要检测的基因含量越高。

2. ddct是怎么一个计算过程

首先肯定要有一个内参基因，比如说GAPDH，这个基因的ct我们写作

哦，上面的例子选取有点不大对，一般是同一个基因control组和对照组相比，但是不要在意这么多细节好了。

那在简化的情况下，我们认为pcr各个周期都是倍增的（当然实际情况可能不会一直这么快），那么相对的倍数（OPG的基因水平比起RANKL的基因水平，另外很多时候我们是检测rna的水平，所以会先做一个逆转录拿到cDNA，然后再跑RT-PCR）就是

所以，关于方差的bottom lines：

1. 方差应该相加，所以用来做对照的那一组其实不应该画error bar，因为最终的error bar是两边均值方差的叠加，一起画在treatment group上才对
2. error bar其实是不对称的，真正对平均值对称的仅仅到ddCt这一步为止，再往后就不对称了。