如何从 table 中查找值并插入查找列表的名称？

Question

我有一个这样的（样本）table：

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")

我想查找来自两个不同基因列表的符号，此处为基因列表 1 和基因列表 2：

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专栏，我可以在其中看到我可以在我的数据框中找到每个基因的基因列表，但是当我运行以下代码时，它只是在新列中重复的符号。

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

关于如何解决这个问题的任何建议，是用基因列表的名称创建一个新列，还是为每个基因列表创建一个列？

提前致谢！ :)

Answer 1

我刚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 是列名向量，应使用 lookup 替换，data.frame 与列 "old" 和 "new".

Answer 2

如果您在基因列表中添加 listid 列

genelist1$listid = 1
genelist2$listid = 2

然后您可以将您的 df 与基因列表合并：

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

请注意，ERO1L 在你的 df 中是符号 6，在基因列表 1 中是 4，基因列表中缺少 HIF2A 和 REDD1，但 REDD1 在你的 df 中是符号 4（在 genlist1 中是 ERO1L ...所以我不是确定您在那种情况下期望的输出。

您也可以只合并基因名称：

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

Answer 3

您可以将所有的基因列表放在 list:

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

并将它们与您的目标进行比较 data.frame:

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))))

Answer 4

为了完整性（以及大表的性能，也许），这是一个 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一个 data.table 并添加一列 glid 以标识每一行的来源。 Gene 列被忽略，因为后续联接仅在 SYMBOL 上进行。在加入之前，df 使用 setDT() 被强制转换为 class data.table。然后通过 SYMBOL 聚合合并的结果，以显示符号出现在两个基因列表中的情况，即 SYMBOL == 1.

的情况

编辑

如果有很多基因列表或者需要基因列表的全名而不是数字，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()正在环境中查找名称以 genelist... 开头的对象。 mget() returns 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))

如何从 table 中查找值并插入查找列表的名称？

How to look up values from a table and insert name of the lookup-list?

lookup

r

plyr

dataframe

dplyr

编辑

数据