为何我的R代码筛选上调DEG时会纳入下调基因数据？

• 核心错误：upregulated_indices是用which()得到的索引数字向量（比如c(1,3,5)），而concentrations == unique_concentration[1]是逻辑向量（比如c(TRUE,FALSE,TRUE...)）。当对这两种不同类型的向量做&运算时，R会自动把索引向量转换成逻辑向量（非零值为TRUE，零为FALSE），若向量长度不匹配会触发循环补齐，导致原本不符合upregulated条件的行被错误选中。
• 举个实例：假设upregulated_indices是c(2,4)，concentrations == "2nM"是c(TRUE,TRUE,FALSE,FALSE)，索引向量会被转成c(FALSE,TRUE,FALSE,TRUE)，和逻辑向量运算后得到c(FALSE,TRUE,FALSE,FALSE)——如果逻辑向量和索引向量长度不一致，循环补齐就会导致错误筛选出downregulated的行。

方法1：直接组合逻辑条件（推荐） #

无需先用which()取索引，直接把两个条件用&组合：

DEG_data <- read.csv(file = 'DEG_changes(1).csv', header = TRUE)

# 定义upregulated的逻辑判断
is_upregulated <- DEG_data$changeDEG == "upregulated"

# 按浓度筛选目标数据
upregulated_conc2nM <- DEG_data$numberDEGs[is_upregulated & DEG_data$concentration == unique(DEG_data$concentration)[1]]
upregulated_conc5nM <- DEG_data$numberDEGs[is_upregulated & DEG_data$concentration == unique(DEG_data$concentration)[2]]
upregulated_conc50nM <- DEG_data$numberDEGs[is_upregulated & DEG_data$concentration == unique(DEG_data$concentration)[3]]

方法2：先筛选upregulated子集再拆分 #

先提取所有upregulated的行，再从中按浓度拆分数据，可读性更强：

DEG_data <- read.csv(file = 'DEG_changes(1).csv', header = TRUE)

# 先得到upregulated的完整子集
upregulated_data <- DEG_data[DEG_data$changeDEG == "upregulated", ]

# 从子集里提取对应浓度的numberDEGs
upregulated_conc2nM <- upregulated_data$numberDEGs[upregulated_data$concentration == unique(DEG_data$concentration)[1]]
upregulated_conc5nM <- upregulated_data$numberDEGs[upregulated_data$concentration == unique(DEG_data$concentration)[2]]
upregulated_conc50nM <- upregulated_data$numberDEGs[upregulated_data$concentration == unique(DEG_data$concentration)[3]]

额外简化方案 #

用dplyr包可以大幅简化筛选逻辑，代码更易读：

library(dplyr)

DEG_data <- read.csv(file = 'DEG_changes(1).csv', header = TRUE)

upregulated_data <- DEG_data %>% filter(changeDEG == "upregulated")

upregulated_conc2nM <- upregulated_data %>% filter(concentration == unique(DEG_data$concentration)[1]) %>% pull(numberDEGs)
# 同理处理5nM、50nM的筛选

内容的提问来源于stack exchange，提问作者jack is carbon