r - 使用 ggplot 将 S 形曲线拟合到点

Question

我有一个简单的数据框，用于测量不同剂量药物治疗的 react :

drug <- c("drug_1", "drug_1", "drug_1", "drug_1", "drug_1", 
  "drug_1", "drug_1", "drug_1", "drug_2", "drug_2", "drug_2", 
        "drug_2", "drug_2", "drug_2", "drug_2", "drug_2")

conc <- c(100.00, 33.33, 11.11, 3.70, 1.23, 0.41, 0.14, 
        0.05, 100.00, 33.33, 11.11, 3.70, 1.23, 0.41, 0.14, 0.05)

mean_response <- c(1156, 1833, 1744, 1256, 1244, 1088, 678, 489, 
        2322, 1867, 1333, 944, 567, 356, 200, 177)

std_dev <- c(117, 317, 440, 200, 134, 38, 183, 153, 719,
      218, 185, 117, 166, 167, 88, 50)

df <- data.frame(drug, conc, mean_response, std_dev)

我可以使用以下代码绘制这些点，并获得我想要的可视化的基本基础:

p <- ggplot(data=df, aes(y=mean_response, x= conc, color = drug)) +
  geom_pointrange(aes(ymax = (mean_response + std_dev), ymin = (mean_response - std_dev))) +
  scale_x_log10()

p

我想对这些数据做的下一件事是向图中添加一条 S 形曲线，它适合每种药物的标绘点。之后，我想计算这条曲线的 EC50。我意识到我的数据中可能没有 S 形曲线的整个范围，但我希望用我所拥有的得到最好的估计。此外，drug_1 的最终点不遵循 S 形曲线的预期趋势，但这实际上并不意外，因为药物所在的溶液可以抑制高浓度的 react (每种药物在不同的溶液中)。我想从数据中排除这一点。

我在为我的数据拟合 S 形曲线的步骤中遇到了困难。我查看了其他一些将 S 形曲线拟合到数据的解决方案，但似乎都没有用。

一个非常接近我的问题的帖子是这样的: (sigmoid) curve fitting glm in r

基于它，我尝试了:

p + geom_smooth(method = "glm", family = binomial, se = FALSE)

这给出了以下错误，并且似乎默认绘制直线:

`geom_smooth()` using formula 'y ~ x'
Warning message:
Ignoring unknown parameters: family 

我也试过这个链接的解决方案: Fitting a sigmoidal curve to this oxy-Hb data

在这种情况下，我得到以下错误:

Computation failed in `stat_smooth()`:
Convergence failure: singular convergence (7) 

并且没有线被添加到图中。

我已尝试查找这两个错误，但似乎无法找到对我的数据有意义的原因。

如有任何帮助，我们将不胜感激!

Answer 1

正如我在评论中所说，我只会使用 geom_smooth() 来解决一个非常简单的问题；一旦遇到麻烦，我就会改用 nls。

我的回答和@Duck的非常相似，有以下区别:

• 我展示了未加权和(反方差)加权拟合。
• 为了让加权拟合起作用，我不得不使用 nls2 包，它提供了稍微更稳健的算法
• 我使用 SSlogis() 获得自动(自启动)初始参数选择
• 我在 ggplot2 之外进行所有预测，然后将其输入 geom_line()

p1 <- nls(mean_response~SSlogis(conc,Asym,xmid,scal),data=df,
          subset=(drug=="drug_1" & conc<100)
        ## , weights=1/std_dev^2  ## error in qr.default: NA/NaN/Inf ...
          )

library(nls2)
p1B <- nls2(mean_response~SSlogis(conc,Asym,xmid,scal),data=df,
            subset=(drug=="drug_1" & conc<100),
            weights=1/std_dev^2)

p2 <- update(p1,subset=(drug=="drug_2"))
p2B <- update(p1B,subset=(drug=="drug_2"))

pframe0 <- data.frame(conc=10^seq(log10(min(df$conc)),log10(max(df$conc)), length.out=100))
pp <- rbind(
    data.frame(pframe0,mean_response=predict(p1,pframe0),
               drug="drug_1",wts=FALSE),
    data.frame(pframe0,mean_response=predict(p2,pframe0),
               drug="drug_2",wts=FALSE),
    data.frame(pframe0,mean_response=predict(p1B,pframe0),
               drug="drug_1",wts=TRUE),
    data.frame(pframe0,mean_response=predict(p2B,pframe0),
               drug="drug_2",wts=TRUE)
)

library(ggplot2); theme_set(theme_bw())
(ggplot(df,aes(conc,mean_response,colour=drug)) +
 geom_pointrange(aes(ymin=mean_response-std_dev,
                     ymax=mean_response+std_dev)) +
 scale_x_log10() +
 geom_line(data=pp,aes(linetype=wts),size=2)
)

我相信 EC50 等同于 xmid 参数……请注意加权和未加权估计之间的巨大差异……