如何基于ensembl ID列表筛选R数据框行，仅保留蛋白编码基因并解决代码问题

1. 第一段代码筛选完全不生效的原因 #

• 逻辑判断取反错误：代码中加了!运算符，代表筛选不在ProtCod列表中的行，和你要保留蛋白编码基因的需求完全相反。
• 匹配对象类型错误：%in%右侧需要传入字符向量才能做匹配，但你传入的ProtCod是单列的数据框对象，无法和行名正常匹配，最终所有匹配结果都是FALSE，取反后全为TRUE，因此所有行都被保留，维度和原数据完全一致。
• 额外注意：从你给出的示例来看，ENSEMBL ID是BDC的第一列而非行名，行名如果是默认的数字索引，也会导致匹配完全失效。

2. 第二段代码行数正确但全为NA的原因 #

你通过unlist(ProtCod)得到了蛋白编码ID的向量，但直接将该向量作为行索引传入BDC[ , ]时，R会默认把这些ID当作BDC的行名去匹配：
如果你的BDC行名是默认的1、2、3…数字索引，而非ENSEMBL ID，自然找不到对应的行，就会返回行数匹配但值全为NA的结果。

正确实现代码 #

根据你的示例数据，ENSEMBL ID是BDC的第一列，使用以下代码即可完成筛选：

# 先提取蛋白编码ID为字符向量
prot_cod_ids <- ProtCod$ENSEMBL_Protein_Coding
# 筛选BDC中ENSEMBL ID属于蛋白编码列表的行
BDCProtCod <- BDC[BDC$ENSEMBL %in% prot_cod_ids, ]
# 验证结果
dim(BDCProtCod)
head(BDCProtCod)

如果确认ENSEMBL ID是BDC的行名，改用以下代码：

prot_cod_ids <- as.character(ProtCod$ENSEMBL_Protein_Coding)
BDCProtCod <- BDC[rownames(BDC) %in% prot_cod_ids, ]

内容的提问来源于stack exchange，提问作者Dswede43