如何根据另一个文件的 ID 从一个文件中提取数据

Question

我正在运行代码，我从基因列表中取出一个基因，在 Data1 中找到它的 Sentinel 基因，然后选择所有具有匹配 rssnp1 ID 的行与它的 Sentinel 行中的基因匹配。但是，目前我的代码一次只在一个基因上运行它，我正在尝试运行它，以便它将遍历 Data2 中我的基因列表中的每个基因，创建一个包含所有输出的文件或每个基因的单个文件。

我的数据如下所示：

数据1（文件名：基因座）：

Chr  Start   End     rssnp1        Type    gene
1   1244733 1244734 rs2286773   LD_SNP  ACE
1   1257536 1257436 rs301159    LD_SNP  CPEB4
1   1252336 1252336 rs2286773   Sentinel    CPEB4
1   1252343 1252343 rs301159    LD_SNP  CPEB4
1   1254841 1254841 rs301159    LD_SNP  CPEB4
1   1256703 1267404 rs301159    LD_SNP  CPEB4
1   1269246 1269246 rs301159    LD_SNP  CPEB4
1   1370168 1370168 rs301159    LD_SNP  GLUPA1
1   1371824 1371824 rs301159    LD_SNP  GLUPA1
1   1372591 1372591 rs301159    LD_SNP  GLUPA1

Data2（文件名：基因列表）：

    gene
    CPEB4
    GML
    TBX2
    PNKD
    JMJD1C
    SKI
    MYH11
    ACE

我还有一个第三个数据文件，它是使用 keras 机器学习预测基因的类别（每个基因的标签列 0-3），我在提取基因数据后附加此列rssnp1 位置。

Data3（文件名：keraspredictions）

    gene        keras.prediction
    CPEB4          2
    GML            1 
    TBX2           1
    PNKD           3
    JMJD1C         0
    SKI            1
    MYH11          2
     ACE           1

我正在尝试：

loci <-read.csv('genelocifilter.csv') #Data1
geneslist <-read.csv('genelist.csv')  #Data2
keras <-read.csv('Keraspredictions.csv')  #Machine learning prediction

getFromData1 <- function(geneFromData2 = NULL) {
     if (is.null(geneFromData2)) return()
      geneSentinelSNP <- (loci %>% filter(Type == "Sentinel" & gene == geneFromData2))$rssnp1
      loci %>% filter(rssnp1 == geneSentinelSNP)
  } 

gene <- getFromData1(geneFromData2 = "CPEB4")
#if error here Type == Sentinel needs to be LD_SNP

gene_class <- left_join(gene, keras %>% select(gene, Keras.prediction) , by = "gene")

write.csv(gene_class, "./CPEB4.csv", row.names = FALSE)

这可以输出：

Chr Start   End   rssnp1        Type    gene      Keras.prediction
1   1244733 1244734 rs2286773   LD_SNP  ACE             1

1   1252336 1252336 rs2286773   Sentinel    CPEB4       2    

我怎样才能让这个迭代每个基因，而不是一次我手动命名的 1 个？我是一个初学者，所以我不知道从哪里开始为此创建一个 for 循环，任何帮助将不胜感激。

Answer 1

这样的事情应该可以工作：

#using your custom function and dplyr
library(dplyr)

lapply(geneslist$gene, function(i){
  gene <- getFromData1(geneFromData2 = i)
  left_join(gene, keras %>% select(gene, Keras.prediction) , by = "gene")
})

但必须有更简单的方法只是通过合并，例如：

# using just merge
SentinelSNPs <- unique(loci[ loci$Type == "Sentinel", "rssnp1"])
merge(loci[ loci$rssnp1 %in% SentinelSNPs, ], keras, by = "gene", all.x = TRUE)