R语言处理质谱数据：按阈值过滤后分组计算肽段平均强度

方案1：统一使用5000作为强度截断值 #

用dplyr包的分组聚合逻辑实现，代码如下：

# 加载依赖包
library(dplyr)

# 你的测试数据
test_Data <- structure(list(UNIPROT = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 
2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L), .Label = c("A8DUK4", "P08032", "P15508"), class = "factor"), 
    Intensity = c(16926.19, 36738.94, 2203.22, 5338.85, 133.44, 
    27991.35, 29505.84, 201.4695, 47469.09, 24841.01, 4546.9, 
    22805.69, 18494.71, 28805.99, 68220.65, 90526.29, 63259.19, 
    44492.48, 65497.13, 40704.81, 334874.1, 38702.87, 300135)), class = "data.frame", row.names = c(NA, 
-23L))

# 过滤+求平均
result <- test_Data %>%
  group_by(UNIPROT) %>%
  filter(Intensity > 5000) %>%
  summarise(mean_Intensity = mean(Intensity))

运行后得到的结果如下：

方案2：为不同UNIPROT设置自定义阈值 #

可以先建立一个阈值映射表，再关联原数据做过滤计算：

# 建立自定义阈值表，可根据需求修改对应数值
threshold_df <- tibble(
  UNIPROT = c("P08032", "P15508", "A8DUK4"),
  cut_off = c(5000, 4000, 30000) # 分别对应三个蛋白的阈值
)

# 关联后过滤计算
result_custom <- test_Data %>%
  left_join(threshold_df, by = "UNIPROT") %>%
  filter(Intensity > cut_off) %>%
  group_by(UNIPROT) %>%
  summarise(mean_Intensity = mean(Intensity))

如果某类UNIPROT过滤后没有符合条件的行，结果中会返回NA，你可以根据需要在mean()函数里加na.rm = TRUE参数，或者后续过滤掉NA行即可。

内容的提问来源于stack exchange，提问作者PesKchan