使用readDGE()合并.count与.txt基因转录计数文件遇阻求助

1. 批量处理并合并6个.count文件 #

每个.count文件的第三列是固定无效内容，先读取时直接过滤，同时给计数列命名为对应样本名（避免列名冲突）：

library(tidyverse)

# 获取当前目录下所有.count文件
count_files <- list.files(pattern = "\\.count$")

# 批量读取并预处理每个文件
count_list <- map(count_files, function(file) {
  sample_name <- str_remove(file, "\\.count$")
  # 只保留基因名和计数列，丢弃第三列无效内容
  read_delim(file, delim = "\t", col_names = c("gene_id", sample_name, "dummy")) %>%
    select(gene_id, all_of(sample_name))
})

# 按基因名合并所有.count样本数据
merged_counts <- count_list %>% reduce(left_join, by = "gene_id")

2. 读取并格式化.txt文件 #

确保txt文件的基因名列与count数据统一命名，方便后续合并：

# 读取txt文件，将第一列重命名为gene_id（匹配count数据的键列）
txt_data <- read_delim("你的文件名.txt", delim = "\t") %>%
  rename(gene_id = 1)

3. 合并count数据与txt数据 #

基于基因名匹配合并，得到最终的统一格式数据集：

final_data <- merged_counts %>% left_join(txt_data, by = "gene_id")

针对你遇到的问题的针对性说明 #

• merge()内存不足：之前未过滤.count文件的无效第三列，导致数据量冗余膨胀；现在提前过滤后数据量大幅降低，可解决内存分配问题。
• left_join()结果异常：原操作未明确连接键或存在列名冲突，现在统一用gene_id作为连接键，且每个样本列用唯一名称命名，避免数据错位。
• readDGE()报错：readDGE()仅接受文件路径作为输入，不能传入数据框；合并完成后可直接用数据框生成edgeR所需对象：

  library(edgeR)
  dge <- DGEList(counts = final_data %>% select(-gene_id), genes = final_data %>% select(gene_id))
  

• cbind()结果异常：cbind()是按行位置合并，而非基因名匹配，行顺序不一致时必然导致数据错位，必须使用按键匹配的连接函数。

内容的提问来源于stack exchange，提问作者Emily