确定一个路径列表及其基因是否都包含在另一个列表中

Question

我正在评估是否有一系列的路径及其基因包含在另一条路径中。所以我的想法是创建一个只做一个比较的函数。

all_in <- function(x, y) {
  if (length(x) > length(y)) {
    0
  } else {
    ifelse(all(x %in% y), 1, 0)
  }
}

然后Vectorize可以使用外部

all_in_vec <- Vectorize(all_in, vectorize.args = c("x", "y"))

并以下列方式使用：

nested <- outer(paths2genes, paths2genes, all_in_vec)

示例：

paths2genes <- structure(list(`1430728` = c("10", "9"), `156580` = c("10", "3", 
"9"), `156582` = c("10", "9"), `194840` = c("2", "3"), `211859` = c("10", 
"9")), .Names = c("1430728", "156580", "156582", "194840", "211859"
))

测试：

library(testthat)
expect_true(all(diag(nested) == 1L))
expect_equal(nested[1, 2], 1L)

然而，我最近发现，应该避免Vectorize，以支持内置的向量化。我遗漏了什么内置的方法吗？如何将此代码向量化？

Answer 1

如果您要在您的cat("hello")函数的顶部添加一个all_in，您会发现您的函数被调用了25次，每次组合(对)路径都调用一次。因此，是的，尽管使用过Vectorized，但它本质上仍然是一个很大的旧循环。下面是编写向量化函数的方法，这样就只调用了一次或两次繁重的函数(%in%，或者在我的例子中是match)：

all_in_outer <- function(list_x, list_y) {
  uniq_x <- unique(unlist(list_x, use.names = FALSE))
  len_x <- vapply(list_x, length, integer(1L))
  as_mat <- function(list_a, ids = uniq_x) {
    vec <- unlist(list_a, use.names = FALSE)
    len <- vapply(list_a, length, integer(1L))
    idx <- rep(seq_along(list_a), len)
    mat <- matrix(0L, nrow = length(list_a), ncol = length(ids),
                  dimnames = list(names(list_a), ids))
    mat[cbind(idx, match(vec, ids))] <- 1L
    mat
  }
  (as_mat(list_x) %*% t(as_mat(list_y)) == len_x) * 1
}

all_in_outer(paths2genes, paths2genes)
#         1430728 156580 156582 194840 211859
# 1430728       1      1      1      0      1
# 156580        0      1      0      0      0
# 156582        1      1      1      0      1
# 194840        0      0      0      1      0
# 211859        1      1      1      0      1

一些解释:当我们在第一个论点(10，9，3，2)中找到跨越所有通路的独特基因列表后，我们将这两个参数转化为一个矩阵A，如果路径i包含基因j，则为A[i,j] = 1，否则为0。对于paths2genes，这个矩阵是as_mat(paths2genes)：

#         10 9 3 2
# 1430728  1 1 0 0
# 156580   1 1 1 0
# 156582   1 1 0 0
# 194840   0 0 1 1
# 211859   1 1 0 0

然后，利用两个这样的矩阵之间的矩阵乘法，得到每个可能的组合路径的基因匹配数。然后，您只需将匹配的数量与路径的长度：(as_mat(list_x) %*% t(as_mat(list_y)) == len_x)进行比较即可。

在将每个输入转换为0和1的矩阵时，请参阅以下特定代码行：mat[cbind(idx, match(vec, ids))] <- 1L。这就是矩阵中填充的部分。通过对match的一次调用，它是完全矢量化的。