用于从数据帧生成所述组合的相对丰度的所有可能组合

Question

我正在尝试在 R 中创建一个循环，该循环计算所有 20 个氨基酸的所有可能组合，而不会在最长 20 个字符的字符串中重复：

S <- c('G','A','L','M','F','W','K','Q','E','S','P','V','I','C','Y','H','R','N','D','T')



allCombs <- function(x) c(x, lapply(seq_along(x)[-1L], 
                                    function(y) combn(x, y, paste0, collapse = "")),
                          recursive = TRUE)
fu <- allCombs(S) 

此代码执行此操作，但我也有一个数据框/csv，其中包含 1000 个不同物种的氨基酸的相对比例，例如：

Species    G   A   L  ...
Species 1  0.1  0.2  0.4
Species 2  0.1  0.02 0.2
Species 3  0.0  0.09 0.01

我要做的是计算每种不同氨基酸组合（G、A、L 等）在整体中的比例，即 1，作为向量/列表/数组。

我在 R（而不是 python）中这样做的原因是因为我想稍后与其他因素进行一些交互（R 更适合）

抱歉，我发现这很难解释，如果我能更清楚，请告诉我，谢谢！

Answer 1

如果你会这样做：

require(tidyverse)

您的脚本，创建所有组合：

S <- c('G','A','L','M','F','W','K','Q','E','S','P','V','I','C','Y','H','R','N','D','T')

allCombs <- function(x) c(x, lapply(seq_along(x)[-1L], 
                                    function(y) combn(x, y, paste0, collapse = "")),
                          recursive = TRUE)
Scombi <- allCombs(S)

创建样本数据：

set.seed(123)
RelativeTable <- data.frame(replicate(length(allCombs(LETTERS[1:5])), sample(0:1,4,rep=TRUE))) %>% 
  purrr::set_names(allCombs(LETTERS[1:5]))

RelativeTable

  A B C D E AB AC AD AE BC BD BE CD CE DE ABC ABD ABE ACD ACE ADE BCD BCE BDE CDE ABCD ABCE ABDE ACDE BCDE ABCDE
1 0 1 1 1 0  1  1  0  1  1  0  0  0  1  0   1   1   1   1   0   0   0   1   0   1    1    0    0    0    1     1
2 1 0 0 1 0  1  1  0  1  0  0  0  1  0  1   0   0   0   0   1   1   0   0   1   0    0    1    0    1    1     0
3 0 1 1 0 0  1  1  1  0  0  0  0  0  1  1   0   1   1   0   0   0   1   0   0   0    0    1    1    1    1     0
4 1 1 0 1 1  1  1  1  0  0  0  0  0  0  0   0   1   1   0   0   1   1   1   0   1    1    1    0    0    0     0

仅从RelativeTable 中选择我们在Scombi 中也有的组合

RelativeTable[, names(RelativeTable) %in%  Scombi]

结果：

 A C D E AC AD AE CD ACD
1 0 1 1 0  1  0  1  0   1
2 1 0 1 0  1  0  1  1   0
3 0 1 0 0  1  1  0  0   0
4 1 0 1 1  1  1  0  0   0

编辑/解释。

我在这里RelativeTable[, names(RelativeTable) %in% Scombi] 所做的基本上是两件事。

1. 我使用%in% 告诉我x 中的值是否在y 中。该函数返回一个TRUE/FALSE的逻辑向量，我们可以通过它来查看RelativeTable中出现的氨基酸组合在组合向量中。 此外，函数names() 为我们提供了列的名称。 所以，names(RelativeTable) %in% Scombi（你可以只运行这个语句）会给我们一个逻辑向量，并告诉我们是否在 Scombi 中的相对表中有名称。
2. 我们可以使用逻辑向量作为索引。这意味着，与RelativeTable[, 1] 相同的想法会给我们第一列，RelativeTable[, c(1,3)] 会给我们第一列和第三列，RelativeTable[, names(RelativeTable) %in% Scombi] 只给我们“TRUE”列 -这意味着我们想要的列。