是否有方法从从宽频火药下载的TCGA COAD基因表达数据中提取原发肿瘤样本？

Question

我想分析基因在TCGA (癌症基因组图谱)数据中的表达，这些数据是从宽频火龙下载的。我下载了结直肠癌(COAD)基因表达数据。该数据是由329个变量的20531个观测结果组成的数据框架(命名数据)。行是单个基因，每一个样本的归一化读取。标题或列名是TCGA示例代码。示例代码如下所示：

TCGA-3L-a1b-01A-11R-A37K-07

当我把表上传到R中时，它会变成

TCGA.3L.AA1B.01A.11R.A37K.07

我想要做的是提取出第四件事是01的样本。例如，对于上面的列标题，第四件事是01A，重要的是它是01，这表明它是一个原发性肿瘤。如何提取列标题中的第四件事是01的所有列

谢谢!

head(data)

  Hybridization.REF TCGA.3L.AA1B.01A.11R.A37K.07 TCGA.4N.A93T.01A.11R.A37K.07
1       ?|100130426                       0.5174                            0
2       ?|100133144                      18.0851                       4.4315
3       ?|100134869                       15.764                       4.2767
  TCGA.4T.AA8H.01A.11R.A41B.07 TCGA.5M.AAT4.01A.11R.A41B.07 TCGA.5M.AAT5.01A.21R.A41B.07
1                            0                            0                            0
2                       9.8995                       7.9174                      12.2565
3                      11.3032                      18.7608                      20.8826
  TCGA.5M.AAT6.01A.11R.A41B.07 TCGA.5M.AATA.01A.31R.A41B.07 TCGA.5M.AATE.01A.11R.A41B.07
1                            0                            0                            0
2                       3.9637                       7.2366                       11.629
3                      15.0672                      11.4513                        6.906

Answer 1

一般的分摊方法是将.上的列名与strsplit分开，并检查第四个组件是否等于'01'。因为.是一个特殊的字符，所以您必须使用\\.。下面是它的样子：

df[sapply(strsplit(colnames(df), '\\.'), '[', 4) == '01']