根據(jù)某一列中的重復值，刪除相應行，最常出現(xiàn)在多組學數(shù)據(jù)的處理當中。在處理轉(zhuǎn)錄組數(shù)據(jù)時，通常多個芯片對應一個基因，那么注釋之后就會遇到一個棘手的問題:

gene name中有重復，無法將gene name轉(zhuǎn)變?yōu)樾忻?/p>

這里總結了常見的處理方式，供大家選擇：

1 直接去重復
2 取最大值后去重
3 取平均值后去重

library(dplyr)
df<- data.frame(id = c(1, 2, 2, 3, 3,3,4, 5, 5),
                gender = c(3,4,5,NA,3,2,4,2,3),
                variant = c(1,5,2,6,3,7,2,NA,2))

##方法一
t1 <- df %>% distinct(id, .keep_all = TRUE)

##方法二
t2 <- df %>% group_by(id) %>% summarise_all(max)

##方法三
library(limma)
t3 <- avereps(df,df$id) %>% as.data.frame()

原始隊列

方法一 直接去重

可以看到，直接去重使用了dplyr包中的distinct函數(shù)，函數(shù)保留了重復的首行，后面的重復行直接刪除

image.png

方法二 取最大值后去重

這里使用的還是dplyr包中的函數(shù)，group_by和summarise_all，取重復行里面的最大值后，去掉后續(xù)的重復行。但是，當重復值中有缺失值的時候，保留的時缺失值NA而不是最大值

image.png

方法三 取平均值后去重

這里使用的是limma包里面的avereps函數(shù)，這里就不存在缺失值了，但是limma文檔里提示，avereps函數(shù)只能用log2之后的標準數(shù)據(jù)

image.png

最后

如何選擇，我覺著吧，需要看數(shù)據(jù)的形式，當然，還有很多其他的方式可以篩選，小伙伴們可以分享自己的處理方式，一起探討哦