r - 使用 R 从列表创建表，同时保留属性

Question

我正在尝试使用 R 创建一个表，将所有 KEGG 直系同源 ID 链接到所有相关的 Entrez 基因。理论上，这可以使用 bioconductor 的 KEGGREST 包来完成。

我有一个所有 KEGG 直系同源 ID ko_nums 的列表，我想使用函数 keggConv 将其转换为 Entrez ID。首先我尝试 lapply，但这是一个问题，因为 url 查询太长:

 library(KEGGREST)
 lapply(ko_nums,keggLink("genes",ko_nums))
 Error in .get Url: (414) Request-URI Too Long

所以这不适用于像我这样大的查询。我尝试使用以下方法扩展列表并一次查询一个:

 output = apply(expand.grid(ko_nums),1,
              function(x,y) keggLink("genes",x[1]))

但是如果你用一个玩具来做到这一点

 ko_nums = c("ko:K00001","ko:K00002","ko:K00003")
 output = apply(expand.grid(ko_nums),1,
              function(x,y) keggLink("genes",x[1]))
 output

您会看到我的输出是一个包含三个的列表，列表中每个直系同源 ID 有许多基因。我想将每个基因与其各自的直系同源编号配对在数据表中，但是 a) 将其包装在“unlist”函数中会删除所有 ko 标识符，并且 b)我无法用列表创建数据框，因为每行都有不同数量的元素。

有没有办法从此列表中制作一个两列表，其中 ko 编号被分成单独的直系/基因对？像这样:

 ko:K00001     gene_1
 ko:k00001     gene_2
 ko:K00001     gene_3
 ko:K00002     gene_4
 ko:K00002     gene_5
 ko:K00002     gene_6

等等

Answer 1

将长长的 ko_nums 列表拆分为 n=1000 标识符组(选择 n 以便 URL 不会太长)长)

n = 1000
k = length(ko_nums)
grp = floor((1:k - 1) / n)
ko_groups = split(ko_nums, grp)

将 keggLink() 应用于每个组

res = lapply(ko_groups, keggLink, target="genes")

将结果组合成所需的结果

df = data.frame(ko_num=unlist(sapply(res, names)),
                value = unname(unlist(res)))