如何将0/1标记的基因型数据框按多条件折叠转换？

原始数据集 #

df <- structure(list(Genotype = 1:5, 
                     Locus_1a = c(0L, 1L, 1L, 1L, 1L ), 
                     Locus_1b = c(1L, 1L, 0L, 1L, 0L), 
                     Locus_1c = c(1L, 0L, 1L, 1L, 0L), 
                     Locus_2a = c(0L, 1L, 1L, 0L, 0L), 
                     Locus_2b = c(1L, 1L, 0L, 1L, 1L), 
                     Locus_2c = c(1L, 0L, 1L, 1L, 0L)), 
                class = "data.frame", row.names = c(NA, -5L))

转换需求 #

将上述0/1标记的基因型矩阵转换为按位点拆分的等位基因列，规则如下：

• 二倍体个体保留2个等位基因（纯合子需重复显示同一等位基因）
• 三倍体个体保留3个等位基因
• 等位基因由原始列名末尾的字母（a/b/c）表示

实现代码（R语言） #

library(tidyverse)

# 处理单个位点的函数
process_locus <- function(locus_data, locus_name) {
  # 筛选当前位点的所有等位基因列
  allele_cols <- grep(paste0("^", locus_name), colnames(locus_data), value = TRUE)
  
  locus_data %>%
    select(Genotype, all_of(allele_cols)) %>%
    # 宽表转长表，筛选个体携带的等位基因（值为1的项）
    pivot_longer(-Genotype, names_to = "allele", values_to = "present") %>%
    filter(present == 1) %>%
    # 提取等位基因后缀（a/b/c）
    mutate(allele = str_remove(allele, paste0("^", locus_name))) %>%
    group_by(Genotype) %>%
    summarise(allele_list = list(allele)) %>%
    # 纯合子处理：仅1个等位基因时重复一次，匹配二倍体格式
    mutate(allele_list = map(allele_list, ~{
      if(length(.x) == 1) rep(.x, 2) else .x
    })) %>%
    # 将等位基因列表拆分为多列
    unnest_wider(allele_list, names_sep = "_") %>%
    # 重命名列位要求格式
    rename_with(~paste0(locus_name, "_", str_remove(.x, "allele_list_")), starts_with("allele_list"))
}

# 提取所有独立位点（如Locus_1、Locus_2）
loci <- unique(str_remove(grep("^Locus_", colnames(df), value = TRUE), "[a-z]$"))

# 批量处理所有位点并合并结果
result_df <- map(loci, ~process_locus(df, .x)) %>%
  reduce(left_join, by = "Genotype")

# 查看转换后的数据
print(result_df)

转换结果 #

# A tibble: 5 × 7
  Genotype Locus_1_1 Locus_1_2 Locus_1_3 Locus_2_1 Locus_2_2 Locus_2_3
     <int> <chr>     <chr>     <chr>     <chr>     <chr>     <chr>    
1        1 b         c         NA        b         c         NA       
2        2 a         b         NA        a         b         NA       
3        3 a         c         NA        a         c         NA       
4        4 a         b         c         b         c         NA       
5        5 a         a         NA        b         b         NA       

内容的提问来源于stack exchange，提问作者Josh