从数据框

Question

我有一个数据框（data）：

  sample chrom     pos ref alt tri trans decomposed_tri grouped_trans    type    feature       gene
1 1    1  659105   G   A CGT   G>A            ACG           C>T somatic     intron         ds
2 1    1 1227592   A   G CAC   A>G            GTG           T>C somatic     intron    CG42329
3 1    1 1775341   T   G CTG   T>G            CTG           T>G somatic intergenic intergenic
4 1    1 1775552   T   C GTT   T>C            GTT           T>C somatic intergenic intergenic
5 1    1 1812639   T   G GTG   T>G            GTG           T>G somatic intergenic intergenic
6 1    1 1812641   G   A GGA   G>A            TCC           C>T somatic intergenic intergenic

基因列表及其长度（gene_lengths）：

$`128up`
[1] 1553

$`14-3-3epsilon`
[1] 8019

$`14-3-3zeta`
[1] 10010

$`140up`
[1] 1385

$`18SrRNA-Psi:CR41602`
[1] 1974

$`18SrRNA-Psi:CR45861`
[1] 1933

我想：
a）根据基因长度（gene_lengths）和基因组长度（137547960计算您希望在此列表中看到基因的次数）
b）计算实际看到每个基因的次数hit_genes<-table(data$gene)
c）计算观察/预期fc<-gene_lengths[g]/gene_expect的比率 d）将此作为数据框返回

这就是我正在做的事情：

snv_count<-nrow(data) # total number of observations
hit_genes<-table(data$gene) # the number of times I find each gene in my data
cat("gene", "observed", "expected", "fc", "\n")

for (g in levels(data$gene)) {
    genefraction<-gene_lengths[[g]]/137547960
    gene_expect<-snv_count*(genefraction)
    fc<-gene_lengths[g]/gene_expect
    cat(g, hit_genes[g], gene_expect, fc, "\n")
  }

gene observed expected fc
128up 5 1.493344 3.348189 
18SrRNA-Psi:CR45861 3 0.5076489 5.909596 
C442219 4 0.03778505 105.862 

这很有效。但是，我在一个函数中运行它，并希望返回一个数据框，如何在for循环中逐行构建数据框？我在循环之前尝试初始化空数据框：

df <- data.frame(gene = character(), observed = numeric(), expected = numeric(), fc = numeric())

然后在循环中逐行构建：

enriched <- rbind(df, data.frame(gene = g, observed = hit_genes[g], expected = gene_expect, fc = fc))

但是我收到以下错误：

Error in data.frame(gene = g, observed = hit_genes[g], expected = gene_expect,  : 
  arguments imply differing number of rows: 1, 0

另一个问题是 - 我应该使用ddply来实现这个而不是循环吗？

Answer 1

也许是?lapply。 （未测试）。

enriched <- lapply(levels(data$gene), fun)
enriched <- do.call(rbind, enriched)
enriched

# 'fun' returns a list with four members
fun <- function(g) {
    genefraction<-gene_lengths[[g]]/137547960
    gene_expect<-snv_count*(genefraction)
    fc<-hit_genes[g]/gene_expect
    list(gene = g, observed = hit_genes[g], expected = gene_expect, fc = fc)
}

请注意，这假设函数fun中引用的对象可用，即在全局环境中。