如何在R中提取拆分含多值列后的单个基因列表？

方法1：使用tidyverse工具（推荐，保留关联数据） #

如果需要拆分后保留基因对应的Log2FC、SD等关联信息，或者后续要继续做数据处理，tidyr::separate_rows是最便捷的选择：

先构造和你数据结构一致的可复现示例：

df <- data.frame(
  Genes = c("A2M", "Aars", "Actb;Actg1", "Cxcl1;Cxcl2;Cxcl3"),
  Log2FC = c(2, 4, 3, 5),
  SD = c(3, 4, 5, 6),
  Pvalue = c(0.001, 0.001, 0.001, 0.001),
  stringsAsFactors = FALSE
)

执行拆分操作：

library(tidyverse)

# 拆分基因列，每个基因单独占一行，其他列自动复制对应值
df_split <- df %>% separate_rows(Genes, sep = ";")

# 提取纯基因列表
gene_list <- df_split$Genes

方法2：基础R实现（仅提取基因列表） #

如果只需要单个基因的向量，不需要保留其他列信息，用基础R的strsplit+unlist即可快速实现：

# 拆分基因列得到嵌套列表
split_genes <- strsplit(df$Genes, split = ";")

# 把列表扁平化为一维向量
gene_list <- unlist(split_genes)

两种方法最终得到的gene_list结果一致：

[1] "A2M"    "Aars"   "Actb"   "Actg1"  "Cxcl1"  "Cxcl2"  "Cxcl3"

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