Link 个通用标识符的同义词

Question

我有一个 R 数据框（基因信息，~20000 个条目），简化后看起来像这样：

> head(alias_db)
   Synonyms               dbXref   
1  PA1m|A2m|AI893533|MAM  ENSMUSG00000030359
2  AA-NAT|Nat-2|Nat4|Snat ENSMUSG00000020804

一个基因有不同的名称（同义词），用“|”分隔和一个 dbXref 字段（数据库标识符）。我想创建一个如下所示的新数据框：

  Names dbXref
1 Pzp   ENSMUSG00000030359
2 A1m   ENSMUSG00000030359
...
4 MAM   ENSMUSG00000030359 
5 Aanat ENSMUSG00000020804
...

基本上，同义词是键，dbXref 字段是我的值；我希望能够在同义词中搜索任何名称，然后使用其 dbXref 查找另一个更大的数据框。

最好的方法是什么？我在想这个：

alias_db$SplitSynonyms=strsplit(alias_db$Synonyms,"|",fixed=TRUE)
geneNames<-new.env()
for(i in seq(nrow(alias_db)))
  {
    lapply(alias_db$SplitSynonyms[[i]],function(x) geneNames[[ x ]] <- alias_db$Ensembl[i])
  }

我不知道这是否真的有效。 sapply 应该比 for 循环慢，然后我在 strsplit 创建的列表上使用 lapply。环境用作键值字典。更糟糕的是，我没有按要求获得数据框....

Answer 1

如果我对你的问题的理解正确，你可以从我的 "splitstackshape" 包中尝试 cSplit，像这样：

library(splitstackshape)
cSplit(alias_db, "Synonyms", "|", "long")
#    Synonyms             dbXref
# 1:     PA1m ENSMUSG00000030359
# 2:      A2m ENSMUSG00000030359
# 3: AI893533 ENSMUSG00000030359
# 4:      MAM ENSMUSG00000030359
# 5:   AA-NAT ENSMUSG00000020804
# 6:    Nat-2 ENSMUSG00000020804
# 7:     Nat4 ENSMUSG00000020804
# 8:     Snat ENSMUSG00000020804

Link 个通用标识符的同义词

Link synonyms to a common identifier

split

r