做泛癌时，20多个差异基因集需要取交集怎么办
R学习往期回顾：
R学习 从Tidyverse学起，入门R语言 dplyr合并数据
R学习 从Tidyverse学起，入门R语言（tidyr和stringr）
R学习 从Tidyverse学起，入门R语言（tibble，readr和dplyr）
今日正文
在做泛癌研究的时候，TCGA有30多个肿瘤，其中20多个是有正常组织的，可以用这些肿瘤做差异分析。当我们做了差异分析以后，需要选择共同上调或者下调的基因，而且20多个基因集做出的交集极有可能啥也没有，这要怎么办呢？
我们可以设定一个标准，比如在25个肿瘤中至少在9个肿瘤中是上调的，这样的基因我们认为是普遍上调的基因，那么问题来了，如何实现这样的计算？
我们先构建模拟数据，考虑到电脑的感受，就构建12个集合，在12个集合中选择至少在4个集合中存在的数据。
rm(list = ls())set.seed(202000)a<-sample(1:1500,100)b<-sample(1:1500,100)c<-sample(1:1500,100)d<-sample(1:1500,100)e<-sample(1:1500,100)f<-sample(1:1500,100)g<-sample(1:1500,100)h<-sample(1:1500,100)i<-sample(1:1500,100)j<-sample(1:1500,100)k<-sample(1:1500,100)l<-sample(1:1500,100)我们可以尝试做两两的交集
intersect(a,b)
intersect函数只能做两两的交集，那么如何做12个基因集的交集呢？有人说可以写个循环，现在还没这个必要，下面这段代码可以实现（不要问我咋知道的，我搜索的）
Reduce(intersect, list(a,b,c,d,e,f,g,h,i,j,k,l))看到没有，交集啥都没有
下面就尝试一下4个数据集的交集，这会可以复习一下排列组合了，12选4有多少种组合呢？R语言种有个choose函数可以实现（不要问我咋知道的，我搜索的）
choose(12,4)495种组合，还好，25选9可是有200多万种啊。
下面我们要知道所有的组合情况，我们先建立一个变量
labels<-c(a,b,c,d,e,f,g,h,i,j,k,l)很显然这样是不对的，我们需要知道的是a到l的排列组合
labels<-c('a','b','c','d','e','f','g','h','i','j','k','l')这就对了
接下来这段代码，可以知道所有的组合方式！（不要问我咋知道的，我搜索的）
res = t(combn(labels, 4))res <-as.data.frame(res)head(res)每一行代表一种组合方式，总共有495行，跟上面算的一样。
接下来要干啥，当然是写个循环计算咯，我们可以把行当作变量，列当作常量，第一种组合是这样的
res[1,1]res[1,2]res[1,3]res[1,4]把1换成变量i，然后取每一行的这4个字符所对应的向量的交集。（不知道啥叫向量？看看前面的基础或者看本书）
这里值得注意的是，用res[1,1]取出来的是“factor”，而不是变量名，R语言中也是有一个函数可以将字符串转变成相对应的变量名（不要问我咋知道的，我搜索的）
get(as.character(res[1,1]))解决了这个关键问题，咱就可以写个循环了计算一下了
output<-vector()for (i in 1:495) { value = Reduce(intersect, list(get(as.character(res[i,1])),get(as.character(res[i,2])),get(as.character(res[i,3])), get(as.character(res[i,4])) )) output<-c(value,output)}output结果就是有4个数字在这12个数据集中的至少4个数据集中出现。
稍微验证一下
1453%in%a1453%in%b1453%in%c1453%in%d1453%in%e1453%in%f1453%in%g1453%in%h1453%in%i1453%in%j1453%in%k1453%in%l四个TRUE,结果是没错的，可怜了我的电脑，现在还在运行那200多万次的交集运算和200多万次的output，我也不知道要多久，主机也不是很热，反正拿个风扇对着吹。应该还有其他方法可以更快的运算，尽情搜索吧。
今日感触：只要关键词找的对，总会有答案的。
公众号“生信小课堂”