scRNA-seq数据DESeq2分析行名重复报错问题求助

我正在对scRNA-seq数据集进行DESeq2分析，cts.split中的行名格式如Glial Cells_FLOX_A18_AAACGGGTCAGGCCCA-1（共14000条）。尝试用以下循环函数修改行名，去除第一个下划线前和第三个下划线后的内容，将行名改为FLOX_A18：

cts.split.modified<- lapply(cts.split, function(x){ 
  rownames(x)<-gsub(".*_(.*_.*)_.*", '\\1', rownames(x)) 
  t(x)
})

但出现报错：

Error in .rowNamesDF<-(x, value = value) :
duplicate 'row.names' are not allowed
In addition: Warning message:
Error in .rowNamesDF<-(x, value = value) :
duplicate 'row.names' are not allowed

尝试替换行名但无效，请问如何解决该问题让函数正常运行？

报错原因 #

你的gsub处理后会生成大量重复行名（比如所有来源为FLOX_A18的细胞都会被改成同一个行名），而R的数据框/矩阵不允许重复行名，因此触发报错。

解决方法 #

DESeq2需要的是样本水平的计数矩阵，而非单个细胞的矩阵，所以不能直接修改行名，必须先按样本分组汇总细胞计数：

1. 提取样本标识并分组求和
   从原始行名中提取样本标签，再按样本分组对计数矩阵进行汇总：

   cts.split.modified <- lapply(cts.split, function(x) {
     # 提取样本分组信息
     sample_ids <- gsub(".*_(.*_.*)_.*", "\\1", rownames(x))
     # 按样本分组汇总，得到基因×样本的计数矩阵
     aggregate(t(x), by = list(Sample = sample_ids), FUN = sum)
   })
   

2. 整理矩阵格式
   将样本名设为列名，调整为DESeq2常用的样本×基因格式：

   cts.split.modified <- lapply(cts.split.modified, function(df) {
     rownames(df) <- df$Sample
     # 删除Sample列，转置为样本×基因矩阵
     t(df[, -1, drop = FALSE])
   })
   

补充说明 #

DESeq2的输入要求每个样本对应唯一的行/列名，且计数是样本的总表达量。单个细胞属于同一个样本的话，必须先汇总才能得到符合要求的输入矩阵，直接修改行名会导致重复，这是R数据结构的硬性限制。

内容的提问来源于stack exchange，提问作者dallas_engineer