R语言中如何使用gsub函数从向量中提取基因名称与ID编号

你给出的列名格式统一为「基因名 (ID编号)」，可以直接通过两次gsub调用分别提取两个字段：

提取基因名称 #

匹配末尾的 (ID)部分直接删除即可：

gene_names <- gsub("\\s*\\(.*\\)$", "", colnames(cn))

提取ID编号 #

匹配开头到左括号的内容、以及末尾的右括号，删除后剩下的就是ID：

gene_ids <- gsub("^.*\\(|\\)$", "", colnames(cn))

如果需要数值型ID，可以额外加一步转换：

gene_ids <- as.integer(gene_ids)

效果测试 #

以第一个示例值为例：

test_str <- "A1BG (1)"
gsub("\\s*\\(.*\\)$", "", test_str)
# 输出: "A1BG"
gsub("^.*\\(|\\)$", "", test_str)
# 输出: "1"

正则规则说明 #

• \\s*：匹配0个或多个空格
• \\(、\\)：匹配左右括号（括号在正则里是特殊字符，需要加反斜杠转义）
• ^：匹配字符串开头，$匹配字符串末尾
• |：正则或逻辑，同时匹配两种规则的内容

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