功能含义，它是如何删除零表达基因的？

Question

我正在处理一个通过单细胞RNA测序获得的表达矩阵，但我有一个问题与一位伙伴发给我的R代码有关。

sort(unique(1 + slot(as(data_matrix, "dgTMatrix"), "i")))
# there isn't more details in the code...

从理论上讲，这个函数是删除未表达的基因(如果在所有样本中都是零，它认为……)，但我不可能理解它，有人能给我一个提示吗？

Answer 1

我想我已经理解了这段代码..。让我们试着解释一下！(如果我错了，请纠正我)。

我们的数据具有稀疏矩阵的结构(即。在内存方面，更方便的是使用link)，而对于as，它被强制为这种矩阵的特定格式(稀疏矩阵的三元组格式，link)：三列，i和j索引这些非零值。

y <- matrix_counts   # sparse matrix        
                AAACCTGAGAACAACT-1 AAACCTGTCGGAAATA-1 AAACGGGAGAGCTGCA-1 
ENSG00000243485                  1                  .                  .                  
ENSG00000237613                  .                  .                  2

y2 <- as(y, "dgTMatrix")  #triplet format for sparse matrix
  i j x
1  9 1 1  #in row(9) and column(1) we have the value 1
2 50 1 2
3 60 1 1
4 62 1 2
5 78 1 1
6 87 1 1

之后，它只需要列"i“(slot(data, "i"))，因为我们只需要行索引(以了解哪些行与零不同)，并删除重复项(unique)，以最终获得具有行索引的向量，该向量将用于过滤原始数据：

y3 <- unique(1 + slot(as(exprs(gbm), "dgTMatrix"), "i"))
[1]  9 50 60 62 78 87
data <- data_raw[y3,]

我对sort和1+有点困惑，但我认为这是基本概念。因此，总而言之，我们从这个非零行(基因)中提取行索引，并使用它来过滤我们的原始数据...另一种删除未表达基因的原创方法，很有趣！