如何从 R 中的 Ensembl ID 列表中删除后缀 [重复]答案

【问题标题】：How do I remove suffix from a list of Ensembl IDs in R [duplicate]如何从 R 中的 Ensembl ID 列表中删除后缀 [重复]
【发布时间】：2019-09-03 20:26:29
【问题描述】：

我有一个很大的列表，其中包含来自许多细胞系的表达基因。 Ensembl 基因通常带有版本后缀，但我需要删除它们。我找到了几个描述此here 或here 的参考资料，但它们对我不起作用，可能是因为我的数据结构（我认为它是列表中的嵌套数组？）。有人可以帮助我了解代码的细节以及我对自己的数据结构的理解吗？

这是一些示例数据

>listOfGenes_version <- list("cellLine1" = c("ENSG001.1", "ENSG002.1", "ENSG003.1"), "cellLine2" = c("ENSG003.1", "ENSG004.1"))

>listOfGenes_version
$cellLine1
[1] "ENSG001.1" "ENSG002.1" "ENSG003.1"

$cellLine2
[1] "ENSG003.1" "ENSG004.1"

而我想看到的是

>listOfGenes_trimmed
$cellLine1
[1] "ENSG001" "ENSG002" "ENSG003"

$cellLine2
[1] "ENSG003" "ENSG004"

以下是我尝试过的一些方法，但没有奏效

>listOfGenes_trimmed <- str_replace(listOfGenes_version, pattern = ".[0-9]+$", replacement = "")      
Warning message:
In stri_replace_first_regex(string, pattern, fix_replacement(replacement),  :
  argument is not an atomic vector; coercing  

>listOfGenes_trimmed <- lapply(listOfGenes_version, gsub('\\..*', '', listOfGenes_version))
Error in match.fun(FUN) : 
  'gsub("\\..*", "", listOfGenes_version)' is not a function, character or symbol

非常感谢！

【问题讨论】：

标签： r list gsub stringr

【解决方案1】：

一个选项是将模式指定为.（元字符 - 所以转义），后跟一个或多个数字（\\d+）在字符串的末尾（$）并替换为空白（@987654324 @)

lapply(listOfGenes_version,  sub, pattern = "\\.\\d+$", replacement = "")
#$cellLine1
#[1] "ENSG001" "ENSG002" "ENSG003"

#$cellLine2
#[1] "ENSG003" "ENSG004"

. 是一个匹配任何字符的元字符，因此我们需要对其进行转义以获取字面值，因为模式默认为 regex

【讨论】：