AnnotationForge函数makeOrgPackage中出现“重复行”错误
AnnotationForge函数makeOrgPackage中出现“重复行”错误
提问于 2020-09-06 04:15:03
我正在使用AnnotationForge包创建一个有机体包，特别是makeOrgPackage函数。我一直在关注这段视频：https://www.bioconductor.org/packages/release/bioc/vignettes/AnnotationForge/inst/doc/MakingNewOrganismPackages.html
当我调用函数时：
makeOrgPackage(gene_info=PA14Sym, chromosome=PA14Chr, go=PA14Go,
version="0.1",
maintainer="myname <email@university.edu>",
author="myname <email@university.edu>",
outputDir = ".",
tax_id="208963",
genus="Pseudomonas",
species="aeruginosa",
goTable="go")我收到这个错误：
Error in FUN(X[[i]], ...) : data.frames in '...' cannot contain duplicated rows"...“指的是包含注释数据的数据帧集合。我已经确保这些数据帧与vignette中的示例具有完全相同的结构。在"gene_info“和”“dfs中，我删除了所有重复的行。
" GO“df在"GID”(基因ID)列中有重复的值，但是所有的GO值都是唯一的，并且我检查了没有重复的行。例如：
GID GO EVIDENCE
1 PA14_00010 GO:0005524 ISM
2 PA14_00010 GO:0006270 ISM
3 PA14_00010 GO:0006275 ISM
4 PA14_00010 GO:0043565 ISM
5 PA14_00010 GO:0003677 ISM
6 PA14_00010 GO:0003688 ISM
7 PA14_00020 GO:0003677 ISM
8 PA14_00020 GO:0006260 ISMvignette提供的样本finch数据也是如此；重复的GID，但唯一的GO编号。令人沮丧的是，当我对vignette中的样本数据运行makeOrgPackage函数时，没有出现错误。这里我漏掉了什么？
完整的脚本：
# Load in GO annotated PA14 file, downloaded from Psuedomonas.com
PA14file <- read.csv("../data/GO_annotations/GO_PA14.csv")
colnames(PA14file)
> colnames(PA14file)
[1] "LocusTag" "GeneName" "ProductDescription"
[4] "StrainName" "Accession" "GOTerm"
[7] "Namespace" "GOEvidenceCode" "EvidenceOntologyECOCode"
[10] "EvidenceOntologyTerm" "SimilarToBindsTo" "PMID"
[13] "chrom"
# PA14 only has 1 chromosome, so create a new column and populate it with 1s.
PA14file$chrom <- '1'
# Create gene_info df, remove duplicate rows
PA14Sym <- PA14file[,c("LocusTag", "GeneName", "ProductDescription")]
PA14Sym <- PA14Sym[PA14Sym[,"GeneName"]!="-",]
PA14Sym <- PA14Sym[PA14Sym[,"ProductDescription"]!="-",]
colnames(PA14Sym) <- c("GID","SYMBOL","GENENAME")
PA14Sym <- PA14Sym[!duplicated(PA14Sym), ]
# Create chromosome df, remove duplicate rows
PA14Chr <- PA14file[,c("LocusTag", "chrom")]
PA14Chr <- PA14Chr[PA14Chr[,"chrom"]!="-",]
colnames(PA14Chr) <- c("GID","CHROMOSOME")
PA14Chr %>% distinct(GID, .keep_all = TRUE)
PA14Chr <- PA14Chr[!duplicated(PA14Chr), ]
# Create go df
PA14Go <- PA14file[,c("LocusTag", "Accession", "GOEvidenceCode")]
PA14Go <- PA14Go[PA14Go[,"GOEvidenceCode"]!="",]
colnames(PA14Go) <- c("GID","GO","EVIDENCE")
# Call the function
makeOrgPackage(gene_info=PA14Sym, chromosome=PA14Chr, go=PA14Go,
version="0.1",
maintainer="myname <email@university.edu>",
author="myname <email@university.edu>",
outputDir = ".",
tax_id="208963",
genus="Pseudomonas",
species="aeruginosa",
goTable="go")回答 1
Stack Overflow用户
发布于 2021-05-31 17:17:42
我今天也遇到了这个问题，在我改为使用dplyr中的distinct()之后，这个函数就可以正常工作了(我的函数与您的函数相同)。
只需尝试在创建的每个部分的尾部添加一段%>% dplyr::distinct()，或者在所有操作之后使用dplyr::distinct()来删除变量中的重复项。
在您的案例中：
library(dplyr)
PA14Sym <- dplyr::distinct(PA14Sym)
PA14Chr <- dplyr::distinct(PA14Chr)
PA14Go <- dplyr::distinct(PA14Go)希望这些对你有所帮助。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63758111
复制相关文章
相似问题
腾讯云开发者
