如果存在于一组基因列表的大多数中,如何保留基因?

How to keep genes if present in the majority of a set of gene lists?

我有 9 个基因列表,每个列表的长度为 2000 个基因。如果存在于 6 个或更多列表中,我想保留基因。我不确定如何指定它,我一直在使用相交功能。

感谢任何帮助。

首先,使用一点辅助函数重新创建数据:

# gene generating function as a trigram of lower case letters
gene <- function(...) {
  paste(sample(letters, 3), collapse = "")
}

# creating lists of genes
gene_lists <- lapply(seq(9), function(x) sapply(seq(2000), gene))

然后提取唯一元素:

# getting unique genes
unique_genes <- unique(unlist(gene_lists))
length(unique_genes)
[1] 10661

在这里我们可以检查合成数据是否有一些冗余:

# checking if there are enough redundant genes
stopifnot(length(unique_genes) < length(unlist(gene_lists)))

然后在计算出现次数的同时遍历唯一基因和列表:

# iterating over unique_genes
gene_occurence <- sapply(unique_genes, function(gene) {
  # iterating over lists
  # sum counts the total number of occurence
    sum(sapply(gene_lists, function(x) { gene %in% x }))
  })
length(gene_occurence)
[1] 10661
table(gene_occurence)
   1    2    3    4    5    6 
6017 3330 1050  231   31    2 

然后获取共同基因:

limit <- 6
common_genes <- unique_genes[which(gene_occurence >= limit)]
common_genes
[1] "ngu" "het"