在R中筛选MZ值相差±1以内的串联谱峰行的技术求助

核心解决思路 #

你之前用lag()计算差值只能捕获后一个符合条件的峰，漏掉前一个。要同时保留成对的峰，需要同时检查当前峰与前一个峰、后一个峰的MZ差值——只要其中一个差值在±1以内，就保留该行。

步骤1：准备工具（加载dplyr包） #

你已经在使用mutate()，说明用到了dplyr包。如果还没安装，先运行：

install.packages("dplyr")
library(dplyr)

步骤2：先排序（关键！） #

必须确保数据按precursorMz分组，再按Mz_Round从小到大排序，否则相邻行的MZ值不连续，差值计算毫无意义：

# 假设你的数据框名为df，先完成排序
df <- df %>%
  arrange(precursorMz, Mz_Round)

步骤3：筛选符合条件的峰 #

通过计算当前峰与前后峰的差值，筛选出满足条件的行：

df_filtered <- df %>%
  # 按precursorMz分组，只在同组内比较峰（避免跨不同肽段的无效比较）
  group_by(precursorMz) %>%
  # 计算当前峰与前一个峰的差值，以及后一个峰与当前峰的差值
  mutate(
    diff_prev = Mz_Round - lag(Mz_Round),
    diff_next = lead(Mz_Round) - Mz_Round
  ) %>%
  # 筛选：与前峰差≤1 或 与后峰差≤1（abs取绝对值覆盖±1范围）
  filter(abs(diff_prev) <= 1 | abs(diff_next) <= 1) %>%
  # 取消分组，清理临时生成的差值列
  ungroup() %>%
  select(-diff_prev, -diff_next)

针对你的示例数据的效果 #

运行上述代码后，示例中的行139和140都会被保留：

• 行139的diff_next为261.20 - 260.20 = 1，满足条件
• 行140的diff_prev为261.20 - 260.20 = 1，满足条件

大数据框的效率优化 #

• dplyr采用向量运算，比基础R循环快很多，适合处理大规模数据
• 按precursorMz分组后，只在组内计算差值，避免跨组无效计算，进一步提升运算速度

内容的提问来源于stack exchange，提问作者Abigail