Question

找到文件中每个基因的最长转录本的最佳方法是什么？

我的文件包含以下内容：

Gene            Transcript      Transcript's size
NONDMEG000107   NONDMET000231   329
NONDMEG000107   NONDMET000234   21
NONDMEG000107   NONDMET000235   131
NONDMEG000107   NONHSAT000018   283
NONHSAG000008   NONHSAT000019   322
NONHSAG000008   NONHSAT000020   1300
NONHSAG000008   NONHSAT000021   971
NONHSAG000008   NONHSAT000022   277
NONHSAG000008   NONHSAT000043   335
NONHSAG000008   NONHSAT000044   179

输出应为：

NONDMEG000107   NONDMET000231   329    
NONHSAG000008   NONHSAT000020   1300

Answer 1

目前还不清楚有哪些数据类型，但假设每个条目都是gen（字符串），transcript（字符串）和size（整数）的数组：

data = [
  ['NONDMEG000107', 'some transcript', 10],
  ['NONDMEG000107', 'some transcript', 3229],
  ['NONDMEG000107', 'some transcript', 312],
  ['NONDMEG000107', 'some transcript', 144],
  ['NONHSAG000008', 'some transcript', 1],
  ['NONHSAG000008', 'some transcript', 345],
  ['NONHSAG000008', 'some transcript', 100],
  ['NONHSAG000008', 'some transcript', 324]
]

data.group_by(&:first).map{|_,v| v.max_by(&:last)}
#=> [["NONDMEG000107", "some transcript", 3229], ["NONHSAG000008", "some transcript", 345]]

Answer 2

您可以将文件读作CSV，然后检查每一行并确定哪个基因具有最大转录大小。输入文件中需要进行一项更改，标题应为

Gene            Transcript      Transcript_size

这是代码：

require "csv"
require "pp"
hash = {}
CSV.foreach("/path/to/gene_data_file", :col_sep => " ", :headers => :first_row) do |row|
    hash[row["Gene"]] = {} if not hash[row["Gene"]]
    hash[row["Gene"]]["Transcript"] = "" if not hash[row["Gene"]]["Transcript"]
    hash[row["Gene"]]["Transcript_size"] = 0 if not hash[row["Gene"]]["Transcript_size"]

    if row["Transcript_size"].to_i > hash[row["Gene"]]["Transcript_size"]
        hash[row["Gene"]]["Transcript"] = row["Transcript"]
        hash[row["Gene"]]["Transcript_size"] = row["Transcript_size"].to_i
    end
end
pp hash
#=> {"NONDMEG000107"=>{"Transcript"=>"NONDMET000231", "Transcript_size"=>329},
#    "NONHSAG000008"=>{"Transcript"=>"NONHSAT000020", "Transcript_size"=>1300}}

比较Ruby中的多个值

2 个答案: