如何从多个dataframe中移除跨簇重复出现的富集基因行？

嗨，我来帮你搞定这个重复基因移除的问题！你的需求很明确：要把在两个及以上细胞簇中都富集的基因从每个簇的列表里删掉，咱们一步步来实现：

步骤1：统计所有基因的出现频次 #

首先我们需要把所有簇的基因名整合到一起，统计每个基因总共出现在多少个簇里：

# 先复现你的示例数据
cluster1 <- data.frame(logFC  = c("1", "0.5", "0.7","0.5"))
rownames(cluster1) <- c("MYH6","ACTA1","TNNT2","GAPDH")

cluster2 <- data.frame(logFC  = c("1", "0.8", "0.6","1.2"))
rownames(cluster2) <- c("MYH6","MYOD","PECAM1","GAPDH")

cluster3 <- data.frame(logFC  = c("2", "0.9", "1.5","0.7"))
rownames(cluster3) <- c("MYL7","MYOD","CD34","GAPDH")

# 把所有簇的基因名合并成一个向量
all_genes <- c(rownames(cluster1), rownames(cluster2), rownames(cluster3))

# 统计每个基因的出现次数
gene_counts <- table(all_genes)

# 筛选出出现≥2次的基因（就是我们要移除的重复基因）
genes_to_remove <- names(gene_counts[gene_counts >= 2])

步骤2：对每个簇过滤掉重复基因 #

现在我们已经得到了需要移除的基因列表，接下来可以选择两种方式过滤：

方式1：逐个处理（适合簇数量较少的情况）

cluster1_filtered <- cluster1[!rownames(cluster1) %in% genes_to_remove, ]
cluster2_filtered <- cluster2[!rownames(cluster2) %in% genes_to_remove, ]
cluster3_filtered <- cluster3[!rownames(cluster3) %in% genes_to_remove, ]

方式2：批量处理（适合你有5个簇的场景，更高效）

# 把所有簇放到一个列表里
cluster_list <- list(cluster1 = cluster1, cluster2 = cluster2, cluster3 = cluster3)

# 批量过滤所有簇
filtered_clusters <- lapply(cluster_list, function(df) {
  df[!rownames(df) %in% genes_to_remove, ]
})

# 可以通过名称访问过滤后的结果，比如 filtered_clusters$cluster1

验证结果 #

运行完代码后：

• cluster1_filtered会保留ACTA1、TNNT2（移除了MYH6、GAPDH）
• cluster2_filtered会保留PECAM1（移除了MYH6、MYOD、GAPDH）
• cluster3_filtered会保留MYL7、CD34（移除了MYOD、GAPDH）

完全符合你想要移除跨簇重复基因的需求～

另外解释下你之前的困惑：unique()只是用来去除向量里的重复值，但我们需要的是找出那些重复出现的基因（出现次数≥2），所以得先统计频次再筛选；而list()只是把数据整合起来，后续还需要统计和过滤的步骤，这样就能解决问题啦！

内容的提问来源于stack exchange，提问作者turtle012