如何编写R脚本根据表达值列推导拷贝数(copy-number)列数据

核心逻辑 #

使用R自带的cut()函数做区间分组，属于向量化运算，处理万行级数据效率极高，无需循环操作。

完整代码 #

步骤1：模拟示例数据（已有实际数据可跳过此步） #

set.seed(123)
df <- data.frame(
  gene_name = paste0("gene_", 1:10000),
  `expression values` = rnorm(10000, mean = 0, sd = 2),
  `copy-number` = NA,
  check.names = FALSE
)

步骤2：按规则计算拷贝数 #

# 计算表达值绝对值
expr_abs <- abs(df$`expression values`)

# 区间分组赋值
df$`copy-number` <- cut(
  x = expr_abs,
  breaks = c(0, 0.5, 1.5, 2.5, 3.5),
  labels = c(1, 2, 3, 4),
  right = FALSE, # 左闭右开区间，匹配需求规则
  include.lowest = TRUE # 包含0值
)

# 转为数值类型（按需执行，cut默认返回因子类型）
df$`copy-number` <- as.numeric(as.character(df$`copy-number`))

步骤3：结果验证 #

# 查看前10行结果核对
head(df, 10)

注意事项 #

• 如果你的列名不含空格，可直接写列名无需加反引号包裹
• 上述代码默认绝对值≥3.5的取值为NA，若需要将≥3.5的数值也归为拷贝数4，可将breaks参数修改为c(0, 0.5, 1.5, 2.5, Inf)即可
• 边界值完全匹配需求：0≤x<0.5取1，0.5≤x<1.5取2，1.5≤x<2.5取3，2.5≤x<3.5取4

内容的提问来源于stack exchange，提问作者NIA