如何从R中的Ensembl in列表中删除后缀

Question

我有一个很大的列表，其中包含了许多细胞系表达的基因。Ensembl基因通常带有版本后缀，但我需要删除它们。我已经找到了几个描述这个这里或这里的引用，但是它们对我不起作用，可能是因为我的数据结构(我认为它是一个列表中的嵌套数组？)。有人能帮助我了解代码的细节和我对自己数据结构的理解吗？

以下是一些示例数据

>listOfGenes_version <- list("cellLine1" = c("ENSG001.1", "ENSG002.1", "ENSG003.1"), "cellLine2" = c("ENSG003.1", "ENSG004.1"))

>listOfGenes_version
$cellLine1
[1] "ENSG001.1" "ENSG002.1" "ENSG003.1"

$cellLine2
[1] "ENSG003.1" "ENSG004.1"

我想看到的是

>listOfGenes_trimmed
$cellLine1
[1] "ENSG001" "ENSG002" "ENSG003"

$cellLine2
[1] "ENSG003" "ENSG004"

以下是一些我试过但没有成功的事情

>listOfGenes_trimmed <- str_replace(listOfGenes_version, pattern = ".[0-9]+$", replacement = "")      
Warning message:
In stri_replace_first_regex(string, pattern, fix_replacement(replacement),  :
  argument is not an atomic vector; coercing  

>listOfGenes_trimmed <- lapply(listOfGenes_version, gsub('\\..*', '', listOfGenes_version))
Error in match.fun(FUN) : 
  'gsub("\\..*", "", listOfGenes_version)' is not a function, character or symbol

非常感谢！

Answer 1

一个选项是将模式指定为. (元字符-所以转义)，在字符串末尾($)用一个或多个数字(\\d+)替换为'" ('")。

lapply(listOfGenes_version,  sub, pattern = "\\.\\d+$", replacement = "")
#$cellLine1
#[1] "ENSG001" "ENSG002" "ENSG003"

#$cellLine2
#[1] "ENSG003" "ENSG004"

.是一个与任何字符匹配的元字符，因此我们需要转义它以获得文字值，因为默认情况下模式是regex。