优化R代码以在字符串中存在子字符串时写入记录

我有：

一个数据帧测试变量，包含ODB6、ODID、Gene和其他一些列

一种数据帧，用结构号、细节和顺序排列数据。 （序列数据不相关）

我想知道arranged_data$Details是否包含test_var$ODB6_OD_ID中的任何值。也就是说，arranged_data$Details中的字符串是否包含test_var$ODB6_OD_ID中的任何值的子字符串。如果序列存在，则将相应ODB6_OD_ID的test_var$Gene_ID附加到文件中

我必须为每一个建筑编号做这件事。大约有18种体系结构，总数据集为5660

这是我编写的代码，但它花费的时间太长，我认为这是因为循环太大： （这仅适用于架构1。我必须针对1-18中的架构执行此操作） （架构1包含大约350多个序列）

我的数据集看起来像： 测试变量：

ODB6_OG_ID  start   Gene_ID
EOG60024F   chrXR_group6    FBgn0247618
EOG60024H   chr4_group3 FBgn0070413
EOG60024K   chr2    FBgn0078093
EOG60024M   chr2    FBgn0243975
EOG60024V   chr4_group5 FBgn0247694
EOG60025C   chrXL_group1a   FBgn0247949
EOG60025F   chr3    FBgn0245234
EOG602XCD   chr4_group3 FBgn0080574
EOG602XCQ   chr4_group3 FBgn0078791

数据包括：

architecture_number    Details
1    chr317678741767875EOG6HQF5814.8092+47
1    chr325176942517695EOG6NKCGX23.1869-87
1    chr391494069149407EOG6NZVDZ2.96183+105
1    chr246642624664263EOG6Z638J1.52323+138
1    chr4_group3231407231408EOG6QRHQP4.65431-721
1    chr311648221164823EOG6X3HNJ2.28484+96
1    chr333466933346694EOG66WZW582.1698+678
1    chrXR_group854636745463675EOG6XH0KP1.86172+57
1    chr283746518374652EOG6V17MG2.45409-68
1    chr31338293913382940EOG63XVQR1.60785+105

所需输出： FBgn0247618 FBgn0070413 FBgn0078093等

（这些不符合规定。）

其他资料： 操作系统：Ubuntu Xenial Xerus 16.04 R版本：3.3.0 RStudio版本：0.99.902

df$new <- gsub('_.*', '', df$start)
df1$new <- ifelse(grepl('_', df1$Details), gsub('_.*', '', df1$Details), 
                                                   substring(df1$Details, 1, 4))

df1$Gene_ID <- sapply(df1$new, function(i) df$Gene_ID[match(i, df$new)])

df1
#   architecture_number                                       Details   new     Gene_ID
#1                    1         chr317678741767875EOG6HQF5814.8092+47  chr3 FBgn0245234
#2                    1         chr325176942517695EOG6NKCGX23.1869-87  chr3 FBgn0245234
#3                    1        chr391494069149407EOG6NZVDZ2.96183+105  chr3 FBgn0245234
#4                    1        chr246642624664263EOG6Z638J1.52323+138  chr2 FBgn0078093
#5                    1   chr4_group3231407231408EOG6QRHQP4.65431-721  chr4 FBgn0070413
#6                    1         chr311648221164823EOG6X3HNJ2.28484+96  chr3 FBgn0245234
#7                    1        chr333466933346694EOG66WZW582.1698+678  chr3 FBgn0245234
#8                    1 chrXR_group854636745463675EOG6XH0KP1.86172+57 chrXR FBgn0247618
#9                    1         chr283746518374652EOG6V17MG2.45409-68  chr2 FBgn0078093
#10                   1      chr31338293913382940EOG63XVQR1.60785+105  chr3 FBgn0245234

df$new请提供一个。此外，将数据保存在数据帧中，然后写入磁盘可能比每次迭代时写入磁盘更快。
df$new <- gsub('_.*', '', df$start)
df1$new <- ifelse(grepl('_', df1$Details), gsub('_.*', '', df1$Details), 
                                                   substring(df1$Details, 1, 4))

df1$Gene_ID <- sapply(df1$new, function(i) df$Gene_ID[match(i, df$new)])

df1
#   architecture_number                                       Details   new     Gene_ID
#1                    1         chr317678741767875EOG6HQF5814.8092+47  chr3 FBgn0245234
#2                    1         chr325176942517695EOG6NKCGX23.1869-87  chr3 FBgn0245234
#3                    1        chr391494069149407EOG6NZVDZ2.96183+105  chr3 FBgn0245234
#4                    1        chr246642624664263EOG6Z638J1.52323+138  chr2 FBgn0078093
#5                    1   chr4_group3231407231408EOG6QRHQP4.65431-721  chr4 FBgn0070413
#6                    1         chr311648221164823EOG6X3HNJ2.28484+96  chr3 FBgn0245234
#7                    1        chr333466933346694EOG66WZW582.1698+678  chr3 FBgn0245234
#8                    1 chrXR_group854636745463675EOG6XH0KP1.86172+57 chrXR FBgn0247618
#9                    1         chr283746518374652EOG6V17MG2.45409-68  chr2 FBgn0078093
#10                   1      chr31338293913382940EOG63XVQR1.60785+105  chr3 FBgn0245234