如何在R数据框中按多条件筛选多组比较中均差异表达的基因

我们有整合了4个比较组差异分析结果的数据框dex_df，需要筛选出**在所有组中均满足logFC > 2且FDR < 0.05**的基因——只要某基因在任意一组不满足条件，就将其排除。

解决方案 #

方法1：使用tidyverse（dplyr）

先加载dplyr包，通过分组统计筛选符合要求的基因：

library(dplyr)

# 筛选所有组都满足条件的基因
qualified_genes <- dex_df %>%
  # 过滤单组内符合条件的记录
  filter(logFC > 2 & FDR < 0.05) %>%
  # 按基因分组，统计该基因符合条件的组数量
  group_by(gene) %>%
  summarise(qualified_group_count = n()) %>%
  # 仅保留在全部4个组都符合条件的基因
  filter(qualified_group_count == 4) %>%
  # 提取基因向量
  pull(gene)

方法2：基础R实现

无需额外包，直接验证每个基因的所有组数据：

# 获取所有唯一基因，逐个验证是否全组满足条件
qualified_genes <- unique(dex_df$gene)[
  sapply(unique(dex_df$gene), function(gene_id) {
    # 提取当前基因的所有组数据
    gene_data <- dex_df[dex_df$gene == gene_id, ]
    # 检查所有组的logFC和FDR是否都符合要求
    all(gene_data$logFC > 2) & all(gene_data$FDR < 0.05)
  })
]

两种方法最终都会输出符合要求的基因向量，可根据自身环境选择合适的方式。

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