比较 Ruby 中的多个值

Question

查找文件中每个基因的最长转录本的最佳方法是什么？

我有一个包含以下内容的文件：

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

输出应该是：

NONDMEG000107   NONDMET000231   329    
NONHSAG000008   NONHSAT000020   1300

Answer 1

不清楚那里有什么数据类型，但假设每个条目都是一个 gen(string)、transcript(string) 和 size(integer) 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

您可以将文件读取为 CSV，然后检查每一行并找出哪个基因具有最大转录大小。输入文件需要更改一处，文件头应为

Gene            Transcript      Transcript_size

代码如下：

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

Compare multiple values in Ruby

ruby

bioinformatics