从一列中选择与另一列共享值的值

Question

这就是问题所在。该数据库描述了对象（来自不同物种的基因）之间的对称和可转移关系。如果物种 1 的基因 X 与物种 2 的基因 Y 相关，而物种 2 的基因 Y 与物种 3 的基因 Z 相关，那么物种 1 的基因 X 与物种 3 的基因 Z 相关。

这是一个示例表：

species1 gene1 species2 gene2
2        Y     1        X
2        Y     3        Z

现在，这就是我想要做的。给定物种 1 和物种 3（都在物种 2 列中），在基因 2 列中找出所有在基因 1 列中有共同值的基因。

基本上，这是我想要的输出：

X  Z

...对于满足此条件的每一对。

请注意，每个基因 id 仅存在于一个物种中。

解释：species1 列包含少数“中心”物种（如人类）。所以如果我想找到一个匹配老鼠基因 Card9 的老鼠基因，有两种可能：（i）人类基因组中没有匹配，这种情况下基因 1 列中会有老鼠匹配，或者老鼠基因会在gene1中，而在gene2列中的大鼠基因； （ii）在人类（或其他）基因组中存在匹配，在这种情况下，我需要首先在gene1列中找到人类基因组中的匹配，然后在gene2列中找到与大鼠基因组中该基因的匹配。

显然，我想我可以在 SQL 之外执行此操作：

1. 从物种 1 中选择列基因 2 中的所有基因
2. 从物种 3 中选择列基因 2 中的所有基因
3. 对于来自物种 1 的每个基因，在gene1 列中找到匹配的基因，其中species2 列是3。

但是，我确信有一个聪明的 SQL 语句可以做到这一点。

数据库有大约 500 万行。

Answer 1

您可以通过自加入来做到这一点：

select t1.gene2 result1, t2.gene2 result2 
from tablename t1 inner join tablename t2
on t2.gene1 = t1.gene1
where t1.species2 = 1 and t2.species2 = 3

请参阅demo。
另一种使用聚合的方法：

select min(gene2) result1, max(gene2) result2
from tablename
where species2 in (1, 3)
group by gene1
having result1 <> result2;

请参阅demo。
结果：

| result1 | result2 |
| ------- | ------- |
| X       | Z       |

Answer 2

如果我理解正确，这是自加入：

select distinct g1.gene2
from genes g1 join
     genes g3
     on g1.species2 = 1 and
        g3.species2 = 3 and
        g1.gene2 = g3.gene2 and
        g1.gene1 = g3.gene1;