Fisher_cor.R

pairwiseCorrelationOfGenes <- function(maf, sig.genes) {
  genes <- sig.genes[which(sig.genes$p < 0.05 & sig.genes$q < 0.3), ]$gene
  df <- as.data.frame(t(combn(genes[1:3], 2)))
  names(df) <- c("gene1", "gene2")
  apply(df, 1, function(x) {
    gene1 <- unname(x["gene1"])
    gene2 <- unname(x["gene2"])
    samples.w.gene1 <- unique(maf[which(maf$Hugo_Symbol == gene1), ]$Tumor_Sample_Barcode)
    samples.w.gene2 <- unique(maf[which(maf$Hugo_Symbol == gene2), ]$Tumor_Sample_Barcode)
    samples.w.both.genes <- intersect(samples.w.gene1, samples.w.gene2)
    samples.w.gene1 <- samples.w.gene1[which(!samples.w.gene1 %in% samples.w.both.genes)]
    samples.w.gene2 <- samples.w.gene2[which(!samples.w.gene2 %in% samples.w.both.genes)]
    all.samples.w.genes <- unique(c(samples.w.gene1, samples.w.gene2, samples.w.both.genes))
    all.samples <- unique(maf$Tumor_Sample_Barcode)
    samples.w.no.genes <- all.samples[which(!all.samples %in% all.samples.w.genes)]
    mat <- matrix(c(length(samples.w.both.genes),
                  length(samples.w.gene2),
                  length(samples.w.gene1),
                  length(samples.w.no.genes)),
                  nrow = 2,
                  dimnames = list(
                    c(gene1, paste("No", gene1)),
                    c(gene2, paste("No", gene2))
                  ))
    print(mat)
    print(fisher.test(mat))
  })
}

correlation.data <- pairwiseCorrelationOfGenes(maf, sig.genes)