如何在R中运行向量矩阵代码并筛选指定蛋白质互作数据？

一、R语言中向量与矩阵的基础操作示例 #

我先给你展示一些常用的向量和矩阵操作代码，你可以直接在R控制台或者R脚本里运行：

1. 向量的创建与基本操作 #

# 创建字符型向量（比如你的蛋白质列表）
protein_vec <- c("A", "C", "D", "F")
# 查看向量内容
protein_vec
# 提取向量中的第2个元素
protein_vec[2]
# 检查某个元素是否在向量中
"C" %in% protein_vec

# 数值型向量的运算示例
num_vec <- c(1, 3, 5, 7)
# 向量元素翻倍
num_vec * 2
# 向量求和
sum(num_vec)

2. 矩阵的创建与基本操作 #

# 创建你提供的蛋白质相互作用矩阵
interaction_mat <- matrix(
  c("A", "B", "B", "A", "C", "A", "C", "B", "B", "C", "D", "B", "B", "E", "D", "F", "A", "F", "D", "A"),
  ncol = 2,
  byrow = TRUE,
  dimnames = list(NULL, c("int1", "int2"))
)
# 查看矩阵
interaction_mat
# 提取矩阵的第3行
interaction_mat[3, ]
# 提取矩阵的第2列
interaction_mat[, 2]
# 筛选矩阵中int1为"A"的行
interaction_mat[interaction_mat[, "int1"] == "A", ]

二、筛选仅包含指定蛋白质的相互作用条目 #

针对你提到的Excel文件处理需求，我推荐用向量化操作替代for循环，更简洁高效。以下是完整步骤：

1. 准备工作（加载必要的包） #

首先需要安装并加载读取Excel的readxl包，以及数据处理的dplyr包（可选，但能让代码更易读）：

# 安装包（首次运行时需要）
install.packages(c("readxl", "dplyr"))
# 加载包
library(readxl)
library(dplyr)

2. 读取Excel文件 #

假设你的蛋白质列表文件名为protein_list.xlsx（列名比如为protein），相互作用表文件名为interaction_table.xlsx（列名为int1和int2）：

# 读取蛋白质列表
protein_list <- read_excel("protein_list.xlsx")
# 提取目标蛋白质向量
target_proteins <- protein_list$protein  # 如果列表在其他列，替换成对应的列名

# 读取相互作用表
interaction_table <- read_excel("interaction_table.xlsx")

3. 筛选符合条件的相互作用 #

我们需要保留int1和int2都在目标蛋白质列表中的条目：

# 方法一：使用dplyr的filter函数（推荐，代码更直观）
filtered_interactions <- interaction_table %>%
  filter(int1 %in% target_proteins, int2 %in% target_proteins)

# 方法二：基础R的逻辑索引（不需要dplyr）
filtered_interactions <- interaction_table[
  interaction_table$int1 %in% target_proteins & interaction_table$int2 %in% target_proteins,
  ]

4. 查看结果 #

运行后filtered_interactions就是你需要的结果：

print(filtered_interactions)

输出会和你期望的一致：

int1 int2
1    C    A
2    D    F
3    A    F
4    D    A

为什么不用for循环？ #

R的核心优势是向量化操作，相比for循环，它代码更简洁，运行速度更快（尤其是数据量较大时），而且可读性更强。如果一定要用for循环实现，也可以，但没必要——向量化操作是R的最佳实践。

内容的提问来源于stack exchange，提问作者user9760295