Question

我有几个基因特征载体，其中包含了它们所在物种的名称，我制作了一个UpSetR图来显示基因间共有的物种数量。现在我想做相反的事情：绘制物种间共同基因的数量，但我不知道该怎么做。

我的例子：

gene1 <- c("Panda", "Dog", "Chicken")
gene2 <- c("Human", "Panda", "Dog")
gene3 <- c("Human", "Panda", "Chicken")  
...#About 20+ genes with 100+ species each

我希望得到的结果示例：

Panda <- c("gene1", "gene2", "gene3")
Dog <- c("gene1", "gene2")
Human <- c("gene2", "gene3")
Chicken <- c("gene1", "gene3")
...

我知道它在概念上很容易，但后勤更复杂。谁能给我一个线索？

谢谢！

Answer 1

您可以使用基础R中的unstack：

unstack(stack(mget(ls(pattern="gene"))),ind~values)
$Chicken
[1] "gene1" "gene3"

$Dog
[1] "gene1" "gene2"

$Human
[1] "gene2" "gene3"

$Panda
[1] "gene1" "gene2" "gene3"

您最终可以通过list2env函数

将此列表添加到环境中

故障：

 l = mget(ls(pattern="gene"))#get all the genes in a list
 m = unstack(stack(l),ind~values)# Stack them, then unstack with the required formula
 m
$Chicken
[1] "gene1" "gene3"

$Dog
[1] "gene1" "gene2"

$Human
[1] "gene2" "gene3"

$Panda
[1] "gene1" "gene2" "gene3"

 list2env(m,.GlobalEnv)
 Dog
 [1] "gene1" "gene2"

Answer 2

首先，我认为在大多数情况下，最好将s=df.tf.str.len() t=pd.DataFrame({'id':df.id.repeat(s),'V':df.tf.sum()}) t[['var','value']]=pd.DataFrame(t.V.tolist()).values t Out[550]: V id var value 0 (0, 0.5) Jones 0.0 0.5 0 (1, 2.0) Jones 1.0 2.0 1 (1, 2.0) Alpha 1.0 2.0 2 (2, 0.1) Blue 2.0 0.1 2 (1, 0.2) Blue 1.0 0.2个向量存储在列表中，如

gene

然后一个基础R方法将是

genes <- list(gene1 = gene1, gene2 = gene2, gene3 = gene3)

genes.v <- unlist(genes) names(genes.v) <- rep(names(genes), times = lengths(genes)) species <- lapply(unique(genes.v), function(g) names(genes.v)[g == genes.v]) names(species) <- unique(genes.v) species # $Panda # [1] "gene1" "gene2" "gene3" # # $Dog # [1] "gene1" "gene2" # # $Chicken # [1] "gene1" "gene3" # # $Human # [1] "gene2" "gene3"是所有物种的命名向量，其基因是它们的名字。但是，当物种具有相同的物种时，例如genes.v，则这些名称为gene1和gene11。这就是我在第二行中修复的内容。然后在第三行我遍历所有物种并创建结果列表，除了在第四行我添加物种名称。

Answer 3

首先将数据放入列表中。这样可以更轻松地使用。

genes <- list(
    gene1 = c("Panda", "Dog", "Chicken"),
    gene2 = c("Human", "Panda", "Dog"),
    gene3 = c("Human", "Panda", "Chicken")
)

然后我们可以从那里获得物种名称。

species <- unique(unlist(genes))

使用此数据

> species
[1] "Panda"   "Dog"     "Chicken" "Human"

对于这些中的每一个，我们想检查名称是否包含在基因中。这是Map（或其堂兄lapply的工作，但我喜欢Map）：

get_genes_for_species <- function(s) {
    contained <- unlist(Map(function(gene) s %in% gene, genes))
    names(genes)[contained]
}
genes_per_species <- Map(get_genes_for_species, species)

现在您有一份清单清单，每个物种一个清单，其中包含该物种中发现的基因。

> genes_per_species
$Panda
[1] "gene1" "gene2" "gene3"

$Dog
[1] "gene1" "gene2"

$Chicken
[1] "gene1" "gene3"

$Human
[1] "gene2" "gene3"

Answer 4

你可以试试这个。

gene  <-unique(c(gene1,gene2,gene3))
TF    <-data.frame(Species = gene)

TF$gene1 <- gene%in%gene1
TF$gene2 <- gene%in%gene2
TF$gene3 <- gene%in%gene3

> TF
  Species gene1 gene2 gene3
1   Panda  TRUE  TRUE  TRUE
2     Dog  TRUE  TRUE FALSE
3 Chicken  TRUE FALSE  TRUE
4   Human FALSE  TRUE  TRUE

Answer 5

这是一个包含tidyverse的变体，并将结果放在整洁的数据框中。

诀窍是将结果与str_c和summarise连接。

   tibble(gene1 = gene1, 
          gene2 = gene2, 
          gene3 = gene3) %>% 
   gather(gene_name, gene_type) %>% 
   group_by(gene_type) %>% 
   summarise(genes = str_c(gene_name, collapse = ", "))

# A tibble: 4 x 2
  gene_type genes              
  <chr>     <chr>              
1 Chicken   gene1, gene3       
2 Dog       gene1, gene2       
3 Human     gene2, gene3       
4 Panda     gene1, gene2, gene3

我同意Julius（上文）的观点，存储基因载体的最佳方法是使用列表。命名列表会更好，例如：

my_gene_list <- set_names(list(gene1, gene2, gene3), str_c("gene", 1:3) )

这将巧妙地产生相同的结果...

 my_gene_list %>% as_tibble() %>% 
   gather(gene_name, gene_type) %>% 
   group_by(gene_type) %>% 
   summarise(genes = str_c(gene_name, collapse = ", "))

# A tibble: 4 x 2
  gene_type genes              
  <chr>     <chr>              
1 Chicken   gene1, gene3       
2 Dog       gene1, gene2       
3 Human     gene2, gene3       
4 Panda     gene1, gene2, gene3

如何从向量R中的共同元素创建向量

5 个答案: