如何筛选至少2个重复样本中reads数>10的基因？

原代码的核心问题是筛选条件设置为NumExpressedgenes>0，仅要求至少1个样本满足reads>10。要实现至少2个样本的筛选需求，只需修改最后一步的判断条件：

修改后的代码 #

# 标记每个基因在各样本中是否满足reads>10
Expressedgenes = counts > 10
# 统计每个基因满足条件的样本数量
NumExpressedgenes = apply(Expressedgenes, 1, sum)
# 筛选出满足条件的样本数≥2的基因
FilteredCounts = counts[NumExpressedgenes >= 2, ]

代码说明 #

• 第一步Expressedgenes = counts > 10：生成布尔矩阵，TRUE表示对应基因在该样本中reads数大于10，FALSE则相反。
• 第二步apply(Expressedgenes, 1, sum)：按行（基因维度）求和，得到每个基因有多少个样本满足reads>10的条件。
• 第三步将筛选条件从>0改为>=2，确保只保留在2个及以上样本中reads数超过10的基因。

补充：针对分组重复样本的筛选（若需要） #

如果你的“重复样本”指的是同一实验分组内的生物学重复（比如胰腺组、肺组各自的重复），需要结合PancreasLungDesign的分组信息，针对每个分组单独统计：

# 假设PancreasLungDesign的Group列是分组标识
group_labels = PancreasLungDesign$Group

# 按分组拆分样本，对每个分组内的基因统计满足reads>10的重复数
group_expressed = lapply(unique(group_labels), function(g) {
  # 提取当前分组的样本计数
  group_counts = counts[, group_labels == g]
  # 统计每个基因在该分组中满足条件的样本数≥2
  apply(group_counts > 10, 1, sum) >= 2
})

# 合并结果：保留至少一个分组内满足条件的基因
keep_genes = rowSums(do.call(cbind, group_expressed)) >= 1
FilteredCounts = counts[keep_genes, ]

内容的提问来源于stack exchange，提问作者Luca Rinaldi