基于基因匹配关联通路并筛选的R语言生物信息数据处理需求

步骤概述 #

1. 预处理通路数据：为每个基因保留P.DE值最小的通路条目
2. 将GRanges对象转换为数据框进行匹配操作
3. 匹配基因与通路，过滤无匹配的行，最终转回GRanges（可选）

代码实现 #

首先加载所需依赖包：

library(GenomicRanges)
library(dplyr)

1. 过滤通路数据（保留每个基因的最小P.DE通路）

# 按基因分组，筛选每组中P.DE最小的通路；若有多个相同最小值，取第一行
gst_filtered <- gst.region.bp.hyper %>%
  group_by(SigGenesInSet) %>%
  filter(P.DE == min(P.DE)) %>%
  slice(1) %>%
  ungroup() %>%
  select(SigGenesInSet, TERM)

2. 处理GRanges对象并匹配通路

# 将GRanges转换为数据框，方便后续匹配
dmrcate_df <- as.data.frame(dmrcate.granges.hyper)

# 匹配基因与通路，过滤无匹配结果的行，重命名列名为Pathway
dmrcate_df_processed <- dmrcate_df %>%
  left_join(gst_filtered, by = c("overlapping.genes" = "SigGenesInSet")) %>%
  filter(!is.na(TERM)) %>%
  rename(Pathway = TERM)

# 转换回GRanges对象（如果需要保持原数据类型）
dmrcate.granges.hyper_processed <- makeGRangesFromDataFrame(
  dmrcate_df_processed, 
  keep.extra.columns = TRUE
)

特殊情况处理 #

如果overlapping.genes是包含多个基因的字符串（例如逗号分隔格式），需要先拆分再匹配：

library(tidyr)

# 拆分多基因字符串并展开数据框
dmrcate_df <- dmrcate_df %>%
  separate_rows(overlapping.genes, sep = ",") %>%
  # 匹配通路数据
  left_join(gst.region.bp.hyper, by = c("overlapping.genes" = "SigGenesInSet")) %>%
  # 按原基因组区间分组，保留每组中P.DE最小的通路
  group_by(seqnames, start, end, strand) %>%
  filter(P.DE == min(P.DE, na.rm = TRUE)) %>%
  slice(1) %>%
  ungroup() %>%
  filter(!is.na(TERM)) %>%
  rename(Pathway = TERM)

# 转回GRanges对象
dmrcate.granges.hyper_processed <- makeGRangesFromDataFrame(
  dmrcate_df, 
  keep.extra.columns = TRUE
)

内容的提问来源于stack exchange，提问作者Anon