我正在尝试根据一系列已转换为数据框的列表来开发表格。每个列表由字符串及其计数组成。每个字符串在7到20(或更多)之间变化。每个列表都有一个标头,用于标识字符串的来源。我有66个列表(来源)。每个列表包含5,000多个字符串。并非每个列表中都包含每个字符串,因此列表中的字符串数会有所不同。这是单个列表结构的示例。
$PreAg_18_2
CDR3.aa Clones
<chr> <int>
CASSYGTAYTGELFF 1623
CASSRGDSDNSPLHF 1440
CASSREKAFF 1161
CSGMGALAKNIQYF 949
CSAYTGLSYEQYF 813
CASSLSLAVNSPLHF 634
CAIRDTPGSPQHF 574
CATGQVNTEAFF 555
CASSLKGQGGSPLHF 499
CASSYSRSPQPQHF 478
我想将结果合并到一个表中,该表显示计数(克隆)以及y轴上列出的所有字符串(CDR3.aa)和x轴上的每个列表标头(Sample.Id)。一个例子是:
10_pep_10_1 preAg_10_2 Dec_2_18_1 …...
CASSYGTAYTGELFF 1623 234 0
CASSRGDSDNSPLHF 1440 522 28
CASSREKAFF 1161 445 50
CSGMGALAKNIQYF 949 24 0
CASSYSRSPQPQHF 478 0 398
.
.
我能够生成包含示例中的的单个列表,并且我认为将列表转换为数据帧是一种更好的操纵它们的方法,但是我很难将它们合并为一个所有字符串的单个列表,并将sample.id移动到x轴。我想取消列出所有字符串并将它们加入一个df,但是我不确定如何使计数与字符串匹配。 R中是否有功能可以帮助我做到这一点?还是不可避免地要形成循环?
到目前为止,我已经能够生成字符串的全局列表,但是现在我需要按标头(sample.id)匹配计数。不确定如何解决这个问题。
library(immunarch)
library(stringr)
library(plyr)
immdata = repLoad("/mnt/data/Development/Analysis_Script/input_files/")
all <- immdata$data
# Get list headers (names)
sample.id <- names(all)
# make new variable for extraction of clones
all.c <- all
# Get list of clones and filter for unique clones per list.
for (i in 1:length(all.c)){
all.c[[i]]$Sample.ID<-names(all.c)[i]
all.c[[i]]<-all.c[[i]][,c("CDR3.aa", "Clones")]
}
# bysamp is a list (vector) of the samples and their clones
bysamp <- split(all.c, sample.id, sep=" ")
# make vector of all clones
all.clones <- unlist(all.c, use.names=FALSE)
# a list of the aggregate of all the clones in all the samples.
all.clones
# Removes clone repeats
all.clones.u <- unique(all.clones)
# convert list of clones and sample.ids to data frame
all.clones.u <- data.frame(all.clones.u)
sample.id <- data.frame(sample.id)
# Addtional code here:
有关预期矩阵(表),请参见上面的摘要
答案 0 :(得分:0)
这是一个基于我对数据结构的最佳猜测的解决方案(由于我被免疫学家包围,这听起来很熟悉)。 键是向每个源添加一个变量,该变量将跟踪源。然后,可以将源(列表/数据框架)组合为一个数据框架并进行进一步处理。
首先,为可重现的示例设置一个随机数种子。
set.seed(1234)
创建简化的人工数据集。。该数据集由6个来源(list / data.frames)组成。每个data.frame具有两个名为aa
和clones
的变量。在12个可能的aa
值中,每个都从A,B和C中随机选择三个字母作为CDR3氨基酸。每个克隆的计数存储在clones
中,并设置为10到20之间的随机数。最后,为6个list / data.frames中的每一个命名。我使用的是source_1,source_2等,而不是“ 10_pep_10_1”。
希望这已经复制了您面对的数据。通过仅使用3种可能的氨基酸,该示例可确保同一序列在不同列表中出现几次的可能性很高。
# generate sample data
spl <- replicate(6, { # the braces '{}' define an expression to be repeated
n <- 12 # number of aa values in each list
aa <- replicate(n,
paste(sample(LETTERS[1:3], 3, replace = T), collapse = ""))
clones <- sample(10:20, n, replace = T)
data.frame(aa, clones)}, # this is the 'return' value of the expression
simplify = FALSE) # this ensures that the result remains as a list
# name each list
names(spl) <- paste("source", seq_along(spl), sep = "_")
检查6个数据帧中的第一个。
head(spl$source_1)
> aa clones
> 1 ABB 12
> 2 BCB 12
> 3 AAB 20
> 4 BCB 18
> 5 ACA 16
> 6 CAA 17
向每个包含源名称的list / data.frame添加一个名为source
的新变量。使用简单的for
循环即可轻松完成此操作。在第一个data.frame中显示更改。
for (i in seq_along(spl)) spl[[i]]$source <- names(spl)[i]
head(spl$source_1) # or head(spl[[1]])
> aa clones source
> 1 ABB 12 source_1
> 2 BCB 12 source_1
> 3 AAB 20 source_1
> 4 BCB 18 source_1
> 5 ACA 16 source_1
> 6 CAA 17 source_1
现在,使用变量source
将每个list / data.frame组合到一个data.frame中,以跟踪哪个list / data.frame贡献了值。然后使用基本函数计算每个肽(clones
)和aa
的数目(source
)。存储在res
中的结果是另一个data.frame。由此将生成一个列联计数表。通常,这被合并为一个步骤。有关更多信息,请参见aggregate()
的帮助文件。此类数据整理的一种流行方法是使用dplyr
包。
dat <- do.call(rbind, spl)
res <- aggregate(clones ~ aa + source, dat, sum)
tbl <- xtabs(clones ~ aa + source, res)
# this operation is rather common and often is done in one line:
tbl <- xtabs(clones ~ ., aggregate(clones ~ ., dat, sum))
head(tbl, 10)
> source
> aa source_1 source_2 source_3 source_4 source_5 source_6
> AAA 29 0 46 0 0 14
> AAB 20 0 0 0 0 0
> ABB 12 14 13 0 0 0
> ACA 16 23 16 0 0 0
> ACB 13 19 15 0 0 0
> BAA 17 0 0 55 16 33
> BAC 15 19 19 0 34 0
> BCB 30 0 0 68 38 15
> CAA 17 11 0 0 0 0
> CCA 15 0 0 0 0 0
表中条目的顺序很简单,即rbind
期间继承的顺序。可以通过重新组织表格来改变它。在这里,行被排序。
ord <- order(rownames(tbl))
head(tbl[ord,], 10)
> source
> aa source_1 source_2 source_3 source_4 source_5 source_6
> AAA 29 0 46 0 0 14
> AAB 20 0 0 0 0 0
> AAC 0 19 19 0 0 31
> ABA 0 11 0 0 15 18
> ABB 12 14 13 0 0 0
> ACA 16 23 16 0 0 0
> ACB 13 19 15 0 0 0
> ACC 0 11 16 0 15 0
> BAA 17 0 0 55 16 33
> BAB 0 15 0 0 0 0