RNA-seq差异分析：如何用samples dataframe重命名counts表列名

问题场景 #

正在进行RNA-Seq数据的差异表达分析，已生成counts表，希望借助samples dataframe中的数据修改列名以提升可读性。counts表的列名是samples中title列的简化版本，需要将其替换为samples中对应的id值。

原始数据示例 #

counts表（部分内容）

X140624_I266.4MKD.L1.201   X140624_I266.4MKD.L1.202
gene1                                    0                          0
gene2                                   97                         74

samples dataframe（部分内容）

title                                                   id
140718_I266_FCC4RDRACXX_L1_RHUMdztTAAKSRAAPEI-215       GSM2475317
140718_I266_FCC4RDRACXX_L8_RHUMdztTAALIRAAPEI-207       GSM2475318

期望结果 #

GSM2475317                 GSM2475318
gene1                                    0                          0
gene2                                   97                         74

解决方案（R语言实现） #

核心是建立counts列名与samples中title的匹配关系，再映射到对应的id值，以下是通用实现步骤：

步骤1：构建匹配规则

根据counts列名和samples$title的格式共性，生成可匹配的键值。假设counts列名是X{前缀}.{后缀}格式，samples$title是{前缀}_{其他内容}格式，可通过正则处理提取匹配键：

# 处理samples，提取title中的匹配前缀作为键
samples$match_key <- substr(samples$title, 1, 10) # 按需调整提取长度，确保和counts列名前缀匹配

# 处理counts列名，去掉开头的X和后缀部分，得到匹配键
counts_match_keys <- gsub("^X|\\..*$", "", colnames(counts))

步骤2：映射并替换列名

# 建立匹配键到id的映射关系
id_map <- setNames(samples$id, samples$match_key)

# 替换counts表的列名
colnames(counts) <- id_map[counts_match_keys]

如果需要模糊匹配（不确定固定前缀长度），可使用stringr包实现：

library(stringr)

# 为每个counts列名找到对应的samples行索引
match_indices <- str_which(samples$title, str_remove(colnames(counts), "^X"))

# 替换列名
colnames(counts) <- samples$id[match_indices]

注意事项 #

• 确保counts的每一列都能在samples中找到唯一对应的title，避免出现NA或不匹配的情况
• 若实际数据格式和示例有差异，可调整正则表达式或提取逻辑以适配匹配规则

内容的提问来源于stack exchange，提问作者OdiKat