Question

我有一个（样本）表，如下所示：

df <- read.table(header = TRUE, 
                   stringsAsFactors = FALSE, 
                   text="Gene  SYMBOL  Values
                   TP53            2            3.55   
                   XBP1            5            4.06
                   TP27            1            2.53
                   REDD1           4            3.99
                   ERO1L           6            5.02
                   STK11           9            3.64
                   HIF2A           8            2.96")

我想从两个不同的基因列表中查找符号，这里给出的是genelist1和genelist2：

genelist1 <- read.table(header = TRUE, 
                        stringsAsFactors = FALSE, 
                        text="Gene  SYMBOL
                        P4H             10
                        PLK             7
                        TP27            1
                        KTD             11
                        ERO1L           6")

genelist2 <- read.table(header = TRUE, 
                        stringsAsFactors = FALSE, 
                        text="Gene  SYMBOL
                        TP53            2
                        XBP1            5
                        BHLHB           12
                        STK11           9
                        TP27            1
                        UPK             18")

我想要的是获得一个新的列，我可以在哪个基因列表中看到我可以在我的数据帧中找到每个基因，但是当我运行以下代码时，它只是重复的符号新专栏。

df_geneinfo <- df %>% 
  join(genelist1,by="SYMBOL") %>% 
  join(genelist2, by="SYMBOL")

有关如何解决此问题的任何建议，要么创建一个具有基因列表名称的新列，要么为每个基因列表创建一列？

提前致谢！ :)

Answer 1

为了完整性（以及大表的表现，或许），这是data.table方法：

library(data.table)
rbindlist(list(genelist1, genelist2), idcol = "glid")[, -"Gene"][
  setDT(df), on = "SYMBOL"][, .(glid =  toString(glid)), by = .(Gene, SYMBOL, Values)][]

    Gene SYMBOL Values glid
1:  TP53      2   3.55    2
2:  XBP1      5   4.06    2
3:  TP27      1   2.53 1, 2
4: REDD1      4   3.99    1
5: ERO1L      6   5.02   NA
6: STK11      9   3.64    2
7: HIF2A      8   2.96   NA

rbindlist()从所有基因列表中创建data.table，并添加一列glid来标识每行的来源。 Gene列会被忽略，因为后续加入仅在SYMBOL上。在加入之前，df会使用data.table强制进入课程setDT()。然后，SYMBOL汇总连接结果，以显示符号出现在两个基因列表中的情况，SYMBOL == 1就属于这种情况。

修改

如果有许多基因列表或需要基因列表的全名而不仅仅是一个数字，我们可以试试这个：

rbindlist(mget(ls(pattern = "^genelist")), idcol = "glid")[, -"Gene"][
  setDT(df), on = "SYMBOL"][, .(glid =  toString(glid)), by = .(Gene, SYMBOL, Values)][]

    Gene SYMBOL Values                 glid
1:  TP53      2   3.55            genelist2
2:  XBP1      5   4.06            genelist2
3:  TP27      1   2.53 genelist1, genelist2
4: REDD1      4   3.99                   NA
5: ERO1L      6   5.02            genelist1
6: STK11      9   3.64            genelist2
7: HIF2A      8   2.96                   NA

ls()正在查找名称以genelist...开头的环境中的对象。 mget()返回传递给rbindlist()的那些对象的命名列表。

数据

由OP提供

df <- structure(list(Gene = c("TP53", "XBP1", "TP27", "REDD1", "ERO1L", 
"STK11", "HIF2A"), SYMBOL = c(2L, 5L, 1L, 4L, 6L, 9L, 8L), Values = c(3.55, 
4.06, 2.53, 3.99, 5.02, 3.64, 2.96)), .Names = c("Gene", "SYMBOL", 
"Values"), class = "data.frame", row.names = c(NA, -7L))
genelist1 <- structure(list(Gene = c("P4H", "PLK", "TP27", "KTD", "ERO1L"), 
    SYMBOL = c(10L, 7L, 1L, 11L, 4L)), .Names = c("Gene", "SYMBOL"
), class = "data.frame", row.names = c(NA, -5L))
genelist2 <- structure(list(Gene = c("TP53", "XBP1", "BHLHB", "STK11", "TP27", 
"UPK"), SYMBOL = c(2L, 5L, 12L, 9L, 1L, 18L)), .Names = c("Gene", 
"SYMBOL"), class = "data.frame", row.names = c(NA, -6L))

Answer 2

我刚编写了自己的函数，它替换了列值：

replace_by_lookuptable <- function(df, col, lookup) {
  assertthat::assert_that(all(col %in% names(df))) # all cols exist in df
  assertthat::assert_that(all(c("new", "old") %in% colnames(lookup)))

  cond_na_exists <- is.na(unlist(lapply(df[, col], function(x) my_match(x, lookup$old))))
  assertthat::assert_that(!any(cond_na_exists))

  df[, col] <- unlist(lapply(df[, col], function(x) lookup$new[my_match(x, lookup$old)]))
  return(df)
}

df是data.frame，col是列名称的向量，应使用lookup替换，data.frame包含列＆＃34; old＆＃34;和＆＃34;新＆＃34;。

Answer 3

如果您向基因列表中添加listid列

genelist1$listid = 1
genelist2$listid = 2

然后你可以将你的df与基因列表合并：

merge(df,rbind(genelist1,genelist2),all.x=T, by = "SYMBOL")

请注意，ERO1L在您的df中是SYMBOL 6，在genelist1中是4，而HIF2A和REDD1在基因列表中缺失，但REDD1在您的df中是符号4（在genlist1中是ERO1L ......所以我不确定在这种情况下你会期待什么输出。

您也可以仅在基因名称上合并：

merge(df,rbind(genelist1,genelist2),all.x=T, by.x = "Gene", by.y= "Gene")

Answer 4

您可以将所有代理列表放在list：

中

gen_list <- list(genelist1 = genelist1,genelist2 = genelist2)

并将它们与目标data.frame进行比较：

cbind(df,do.call(cbind,lapply(seq_along(gen_list),function(x) ifelse( df$Gene %in% gen_list[[x]]$Gene,names(gen_list[x]),NA))))

如何从表中查找值并插入查找列表的名称？

4 个答案:

修改

数据