hm_for Nina.rmd

---
title: "heatmap"
author: "Rotem Hadar"
date: "27/06/2022"
output: html_document
---


```{r}
library(tidyverse)

serum <- "./Serum_metadata.txt" |> read_tsv() |> mutate(source = "serum") |> 
  mutate(  Dysbiosis_Index = Dysbiosis_Index |> as.numeric()
         , FCP_Absolute = FCP_Absolute |> as.numeric())

stool <- "./Stool_metadata.txt" |> read_tsv() |> mutate(source = "stool")
```


## Couples

```{r}
input <- 
"Faith + dysbiosis index
Faith + FCP_Absolute
Faith + CRP_Absolute
Dysbiosis index + FCP absolute
Dysbiosis index + CRP absolute
FCP absolute + CRP absolute"

#  AAAAAAAAHHHHHHHH!
input <- input |> str_replace_all("dysbiosis index", "Dysbiosis_Index")
input <- input |> str_replace_all("Dysbiosis index", "Dysbiosis_Index")
input <- input |> str_replace_all("Faith", "Faith_pd")
input <- input |> str_replace_all("FCP a", "FCP_A")
input <- input |> str_replace_all("CRP a", "CRP_A")
couples <- read.table(sep = '+', text = input)
couples$V1 <- couples$V1 |> trimws()
couples$V2 <- couples$V2 |> trimws()
```

## Correlation

1. לכל זוג צריך לבדוק את קורלציית ספירמן

2. ואז הצבעים בהיטמאפ יהיה ה-R,

3. ואם זה מובהק אז צריך להוסיף את ה- PVAL לריבוע.


```{r}
couples$cor <- NA
couples$pval <- NA
for(row in couples |> nrow() |> seq()){ # Shame on me
  v1 <- couples[row,1] ; v2 <- couples[row,2] 
  # 1
  couples[row, "cor"] <- serum |> 
    select(SampleID, Faith_pd, FCP_Absolute, CRP_Absolute, Dysbiosis_Index) |> drop_na() |>
  summarise(cor(!!sym(v1), !!sym(v2), method = "spearman"))
  # 3
  couples[row, "pval"] <- serum |> 
    select(SampleID, Faith_pd, FCP_Absolute, CRP_Absolute, Dysbiosis_Index) |> drop_na() |>
  summarise(cor.test(x = !!sym(v1),y =  !!sym(v2), method = "spearman")$p.value)
}
```

```{r}
couples |>
  ggplot(aes(x = V1, y = V2, fill = cor)) + # 2
                    geom_tile() +
                    geom_text(aes(label = round(pval, 4))) + 
  theme_classic() + scale_fill_gradient2(low = "red",  high = "blue", mid = "white") + 
  theme(axis.title = element_blank()) + ggtitle("Corplot of some measurments (serum metadata)")
```

## Barplot

בנוסף, אם יש לך כוח,

צריך גם לעשות בר-פלוט שמשווה בין 

כאשר ציר X הוא ה- disease status

וציר y הוא faith פעם אחת,

ופעם נוספת הוא dysibiosis index.

כמובן שצריך גם כאן לעשות מבחן סטטיסטי...


```{r}
mycompr <- list(c("CD_active", "Control"), 
                c("CD_Remission", "CD_active"), 
                c("CD_Remission", "Control"))

library(ggsignif)
serum |> select(SampleID, Disease_Status, Faith_pd, Dysbiosis_Index) |> 
  ggplot(aes(x = Disease_Status, y = Faith_pd)) + 
  geom_col() +
  geom_signif(comparisons = mycompr, step_increase = 5, y_position = 1100) +
  theme_classic()
```

```{r}
serum |> select(SampleID, Disease_Status, Faith_pd, Dysbiosis_Index) |> 
  ggplot(aes(x = Disease_Status, y = Dysbiosis_Index)) + 
  geom_col() +
  geom_signif(comparisons = mycompr, step_increase = 1, y_position = 10) +
  theme_classic()
```


מצורף קובץ המטהדטה של הסרומים ושל הצואות.

אני לא יודעת אם צריך לכל מטהדטה בנפרד או

שאפשר לאחד ביניהם ולבדוק את כולם ביחד, אז החלטה שלך...

 אם אתה מצליח לעשות את זה עד שני 
 
 (כדי שאולי יהיה סיכוי שאני לא אצא גרועה ממש ואבקש מיעל לדחות) זה יהיה מעולה!

 

תודה רבה רבה רבה!!!