如何筛选两列DataFrame中反向重复的基因对？

下面提供两种高效的解决方法，适用于处理无序基因对的重复问题：

方法1：使用dplyr包（简洁直观） #

利用pmin和pmax对每行的基因对进行排序，再基于排序后的结果去重：

library(dplyr)

# 生成唯一无序基因对
unique_pairs <- all_pairs %>%
  mutate(
    # 对每行的两个基因按字母顺序排序
    gene_sorted1 = pmin(gene1, gene2),
    gene_sorted2 = pmax(gene1, gene2)
  ) %>%
  # 保留唯一的排序后基因对，同时保留原数据列
  distinct(gene_sorted1, gene_sorted2, .keep_all = TRUE) %>%
  # 恢复原列结构
  select(gene1, gene2)

方法2：使用基础R（无需额外依赖） #

通过apply对每行基因排序，再用duplicated筛选唯一行：

# 对每行的基因对进行排序，生成矩阵
sorted_pairs <- t(apply(all_pairs, 1, sort))

# 筛选出非重复的行索引
unique_rows <- !duplicated(sorted_pairs)

# 提取唯一的基因对
unique_pairs <- all_pairs[unique_rows, ]

原理说明 #

两种方法的核心逻辑一致：将无序的反向基因对转换为完全相同的有序对（比如(BICRA, ASXL1)和(ASXL1, BICRA)排序后均为(ASXL1, BICRA)），再通过去重操作保留每组反向对中的唯一一行。自身配对（如(ASXL1, ASXL1)）会被保留，因为排序后不会产生重复。

内容的提问来源于stack exchange，提问作者Ishan Mehta