R 提取与每个基因符号匹配的读取计数

我已经通过鲑鱼对基因表达进行了量化，这给了我Ensembl转录本，我将Ensembl转录本转换为基因符号，但对于某些基因，我有多个转录本；如何将读取计数折叠到基因，我尝试了

tximport

package，但我发现太难了，因为我的注释是不同的

Name                NumReads
ENST00000355520.5   407.186
ENST00000566753.1   268.879
ENST00000481617.2   242.25
ENST00000538183.2   226.576

ensembltranscript_id gene_name
ENST00000482226.2   FCGR2C
ENST00000508651.1   FCGR2C
ENST00000571914.1   TSPAN10
ENST00000571707.1   TSPAN10
ENST00000534817.1   OVCH2
ENST00000445557.1   OR52E1
ENST00000575319.1   CYP2D7
ENST00000576465.1   CYP2D7

编辑

这是读取计数的输出

这就是我将鲑鱼输出中的转录本ID转换为基因名的时候

---

您可以使用dplyr软件包

创建测试表：

names = c("ensembltranscript_id",  "gene_name", "NumReads")
transcripts = c("ENST00000482226.2", "ENST00000508651.1", "ENST00000571914.1", "ENST00000571707.1", "ENST00000534817.1")
gene_names = c("FCGR2C", "FCGR2C", "TSPAN10", "TSPAN10", "OVCH2")
reads = c(205.56, 456.21, 123.3, 52.6, 268.45)

data = data.frame(transcripts, gene_names, reads)
names(data) = names

进行以下计算：

result = data %>% 
  group_by(gene_name) %>% 
  summarise(sum(NumReads)) %>%
  mutate_if(is.numeric, format, 2)

打印结果：

# A tibble: 3 x 2
  gene_name `sum(NumReads)`
  <fct>     <chr>          
1 FCGR2C    661.77         
2 OVCH2     268.45         
3 TSPAN10   175.90

只需按此处的转录本id合并数据：

merged_data = merge(x = salmon_reads, y = genes, by.x = colnames(salmon_reads)[1], by.y = colnames(genes)[1], all = T)

执行减少读数的计算和顺序：

result = merged_data %>% 
  group_by(external_gene_name) %>% 
  summarise(sum(NumReads)) %>%
  mutate_if(is.numeric, format, 2)

result$`sum(NumReads)` = as.numeric(result$`sum(NumReads)`)
result = result[order(result$`sum(NumReads)`, decreasing = T),]

---

您没有提到如何处理NAs。在这个场景中，所有读取的基因名都是NA。这就是NA读取次数最多的原因。

您能添加您期望的输出和已经失败的代码吗？一种可能的策略是按基因符号对基因表达进行分组，然后对同一基因符号的不同Ensembl转录本ID的平均表达值。如果您要提供具有代表性的样本数据（您当前的样本数据不包含来自具有相同基因符号的不同Ensembl ID的任何表达式值），其他人将更容易提供帮助。请不要使用链接（顺便说一句：链接不起作用）。而是在请求/问题中创建基础数据和预期输出。只要几行就可以了。让愿意帮助你的人对你的问题有一个确切的了解。谢谢你的帮助

result = merged_data %>% 
  group_by(external_gene_name) %>% 
  summarise(sum(NumReads)) %>%
  mutate_if(is.numeric, format, 2)

result$`sum(NumReads)` = as.numeric(result$`sum(NumReads)`)
result = result[order(result$`sum(NumReads)`, decreasing = T),]