在R中筛选满足样本组内丰度分布的列

huangapple
go评论84阅读模式
英文:

FIltering columns satisfying abundance distribution among samples in groups in R

问题

我有一个看起来像这样的数据框：

  1.          ColumnA ColumnB  ColumnC group
  2. Sample1     0.05 0.00042     0.12     X
  3. Sample2      0.2 0.00084    0.223     X
  4. Sample3     0.04 0.00045    0.063     X
  5. Sample4    1e-04    0.13    0.013     X
  6. Sample5     0.03  0.0058    3e-04     Y
  7. Sample6     0.05  0.0066  0.00021     Y
  8. Sample7    0.006   0.022  3.2e-06     Y
  9. Sample8    8e-04   0.101  0.00063     Y
  10. Sample9    4e-04   2e-04 0.000233     Z
  11. Sample10   0.008   5e-04  0.00075     Z
  12. Sample11    0.02 8.6e-05  0.00076     Z
  13. Sample12   0.035 4.3e-05  0.00044     Z

如果至少有4个样本中的3个样本在至少一个组中的某一列（示例中的列A和列C）的丰度大于0.01，我想要保留该列。

您可以使用dplyr包来找到解决方案吗？

谢谢。

英文:

I have a dataframe looking like;

  1.          ColumnA ColumnB  ColumnC group
  2. Sample1     0.05 0.00042     0.12     X
  3. Sample2      0.2 0.00084    0.223     X
  4. Sample3     0.04 0.00045    0.063     X
  5. Sample4    1e-04    0.13    0.013     X
  6. Sample5     0.03  0.0058    3e-04     Y
  7. Sample6     0.05  0.0066  0.00021     Y
  8. Sample7    0.006   0.022  3.2e-06     Y
  9. Sample8    8e-04   0.101  0.00063     Y
  10. Sample9    4e-04   2e-04 0.000233     Z
  11. Sample10   0.008   5e-04  0.00075     Z
  12. Sample11    0.02 8.6e-05  0.00076     Z
  13. Sample12   0.035 4.3e-05  0.00044     Z

If at least 3 of the 4 samples have abundance more than 0.01 for at least one group (Columns A and C in the example above), I would like to retain that column.

Can you please help me to find a solution using dplyr package?

Thank you

答案1

得分: 1

您可以使用select + where动态选择列，并将这些列的名称存储在一个向量中。然后在原始数据集上使用select：

  1. library(dplyr)
  2. nms <- 
  3.   df %>% 
  4.   # 对所选列进行总结，在每个组中检查是否有至少3个元素大于0.01
  5.   summarise(across(ColumnA:ColumnC, ~ sum(.x > 0.01) >= 3), .by = group) %>% 
  6.   # 选择满足条件的任何组的列，并提取列名
  7.   select(where(~ is.logical(.x) && any(.x))) %>% names()
  9. #> nms
  10. #> [1] "ColumnA" "ColumnC"
  12. df %>% 
  13.   select(all_of(nms))
  15. #          ColumnA  ColumnC
  16. # Sample1   0.0500 1.20e-01
  17. # Sample2   0.2000 2.23e-01
  18. # Sample3   0.0400 6.30e-02
  19. # Sample4   0.0001 1.30e-02
  20. # Sample5   0.0300 3.00e-04
  21. # Sample6   0.0500 2.10e-04
  22. # Sample7   0.0060 3.20e-06
  23. # Sample8   0.0008 6.30e-04
  24. # Sample9   0.0004 2.33e-04
  25. # Sample10  0.0080 7.50e-04
  26. # Sample11  0.0200 7.60e-04
  27. # Sample12  0.0350 4.40e-04
英文:

You can use select + where to select columns dynamically, and store the names of those columns in a vector. Then use select on the original data set:

  1. library(dplyr)
  2. nms &lt;- 
  3.   df %&gt;% 
  4.   # across the selected columns, check if at least 3 elements in each group are above 0.01
  5.   summarise(across(ColumnA:ColumnC, ~ sum(.x &gt; 0.01) &gt;= 3), .by = group) %&gt;% 
  6.   # Select the columns where any of the groups satisfy the conditions and extract the names
  7.   select(where(~ is.logical(.x) &amp;&amp; any(.x))) %&gt;% names()
  9. #&gt; nms
  10. #&gt; [1] &quot;ColumnA&quot; &quot;ColumnC&quot;
  12. df %&gt;% 
  13.   select(all_of(nms))
  15. #          ColumnA  ColumnC
  16. # Sample1   0.0500 1.20e-01
  17. # Sample2   0.2000 2.23e-01
  18. # Sample3   0.0400 6.30e-02
  19. # Sample4   0.0001 1.30e-02
  20. # Sample5   0.0300 3.00e-04
  21. # Sample6   0.0500 2.10e-04
  22. # Sample7   0.0060 3.20e-06
  23. # Sample8   0.0008 6.30e-04
  24. # Sample9   0.0004 2.33e-04
  25. # Sample10  0.0080 7.50e-04
  26. # Sample11  0.0200 7.60e-04
  27. # Sample12  0.0350 4.40e-04

答案2

得分: 0

以下是翻译好的部分：

对于那些感兴趣的人，这是一个基本的R方法

  1. selec <- colSums(aggregate(. ~ group, df, \(x) sum(x > 0.01) >= 3)[-1]) > 0
  3. df[,names(selec)[selec]]
  4.          ColumnA  ColumnC
  5. Sample1   0.0500 1.20e-01
  6. Sample2   0.2000 2.23e-01
  7. Sample3   0.0400 6.30e-02
  8. Sample4   0.0001 1.30e-02
  9. Sample5   0.0300 3.00e-04
  10. Sample6   0.0500 2.10e-04
  11. Sample7   0.0060 3.20e-06
  12. Sample8   0.0008 6.30e-04
  13. Sample9   0.0004 2.33e-04
  14. Sample10  0.0080 7.50e-04
  15. Sample11  0.0200 7.60e-04
  16. Sample12  0.0350 4.40e-04
英文:

For those who are interested, a base R approach

  1. selec &lt;- colSums(aggregate(. ~ group, df, \(x) sum(x &gt; 0.01) &gt;= 3)[-1]) &gt; 0
  3. df[,names(selec)[selec]]
  4.          ColumnA  ColumnC
  5. Sample1   0.0500 1.20e-01
  6. Sample2   0.2000 2.23e-01
  7. Sample3   0.0400 6.30e-02
  8. Sample4   0.0001 1.30e-02
  9. Sample5   0.0300 3.00e-04
  10. Sample6   0.0500 2.10e-04
  11. Sample7   0.0060 3.20e-06
  12. Sample8   0.0008 6.30e-04
  13. Sample9   0.0004 2.33e-04
  14. Sample10  0.0080 7.50e-04
  15. Sample11  0.0200 7.60e-04
  16. Sample12  0.0350 4.40e-04

huangapple
  • 本文由 发表于 2023年6月18日 21:57:34
  • 转载请务必保留本文链接：https://go.coder-hub.com/76500911.html
  • dplyr
  • r
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定