如何将GO_term-基因-Log2FC矩阵转换为带Log2FC的二元矩阵

这里有个用R语言实现的方案，刚好能把你的三列长格式数据转换成目标的宽格式二元矩阵，还保留了Log2FC信息：

步骤1：准备输入数据 #

首先把你的原始数据转换成R数据框，如果是从文件读取的话，可以用read.table()或者read_csv()，这里先直接构造示例数据：

# 构造输入数据框
input_df <- data.frame(
  GO_term = c("cell adhesion", "cell adhesion", "cell adhesion", "cell-matrix adhesion", "cell-matrix adhesion",
              "positive regulation of cell migration", "positive regulation of cell migration", "cellular oxidant detoxification",
              "cellular oxidant detoxification", "muscle contraction", "muscle contraction"),
  Gene_Name = c("IGFBP7", "PVRL4", "NCAM1", "ITGA7", "ITGA4", "ITGA5", "RRAS2", "FABP1", "LTC4S", "ACTA2", "VCL"),
  Log2FC = c(1.38, -1.40, -1.35, -1.20, 0.75, -1.36, -0.59, 2.35, -0.59, -1.21, -1.06),
  stringsAsFactors = FALSE # 确保字符型不转成因子
)

步骤2：用tidyverse转换为宽格式二元矩阵 #

我们用tidyverse里的pivot_wider函数来完成转换，这个函数处理长转宽非常灵活：

# 加载tidyverse包（如果没安装先运行install.packages("tidyverse")）
library(tidyverse)

# 转换为目标格式
chord_df <- input_df %>%
  # 给每个基因-GO术语对标记为1（表示该基因属于这个GO术语）
  mutate(present = 1) %>%
  # 转换为宽格式：基因和Log2FC作为行标识，GO术语作为列，缺失值填充0
  pivot_wider(
    id_cols = c(Gene_Name, Log2FC),
    names_from = GO_term,
    values_from = present,
    values_fill = 0
  ) %>%
  # 把基因名设为行名（可选，方便后续做和弦图等可视化）
  column_to_rownames("Gene_Name")

步骤3：查看结果 #

运行完上面的代码后，chord_df就是你想要的矩阵了，查看前几行的话用head(chord_df)，输出大概是这样：

Log2FC cell adhesion cell-matrix adhesion positive regulation of cell migration cellular oxidant detoxification muscle contraction
IGFBP7   1.38             1                     0                                      0                                  0                   0
PVRL4   -1.40             1                     0                                      0                                  0                   0
NCAM1   -1.35             1                     0                                      0                                  0                   0
ITGA7   -1.20             0                     1                                      0                                  0                   0
ITGA4    0.75             0                     1                                      0                                  0                   0
ITGA5   -1.36             0                     0                                      1                                  0                   0

如果你习惯用reshape2包，也可以用dcast函数实现同样的效果：

# 加载reshape2（没安装先运行install.packages("reshape2")）
library(reshape2)

chord_df <- dcast(input_df, Gene_Name + Log2FC ~ GO_term, 
                  fun.aggregate = function(x) 1, fill = 0)
rownames(chord_df) <- chord_df$Gene_Name
chord_df$Gene_Name <- NULL

这个矩阵可以直接用来做和弦图（比如circlize包的chordDiagram()），完全匹配你给出的示例结构。

内容的提问来源于stack exchange，提问作者Zizogolu