mySQL:查找两列之间最常见的值

Question

我正在使用两个表:目标表有 mid、gid，miRNA 表有 mid、miRNA_name。 (mid 是 miRNA 的 ID，gid 是基因的 ID)。

我想列出受共同调控基因最多的前 10 个 miRNA。每行应该有 miRNA id #1、miRNA name #1、miRNA id #2、miRNA name #2 以及共同基因的数量。

目标表例如:

mid    gid
1      1
1      297
1      305
2      198
2      209
3      209
3      297

miRNA 表例如:

mid      name
1       hsa-miR-4711
2       hsa-miR-36
3       hsa-miR-54

我想我需要按 mid 对两个表进行分组，然后按 gid 排序。有了这个，我应该找到哪些 mids 具有共同的 gid，并按照 select 子句中指定的方式列出它们以及共同基因的数量(计数 gid)。

到目前为止，我有以下内容，但我不确定这是否是正确的方法。任何帮助将非常感激。先感谢您! :)

SELECT m.mid, m.name, n.mid, n.name, COUNT (*)
FROM (SELECT mid, gid FROM miRNA JOIN targets USING (mid)) as m
AND (SELECT mid, gid FROM miRNA JOIN targets USING (mid)) as n
WHERE COUNT(*)>1
GROUP BY gid
LIMIT 10;

输出应如下所示:

mid1    name1          mid2     name2         count
1       hsa-miR-4711   3        hsa-miR-54    297
2       hsa-miR-36     3        hsa-miR-54    209

Answer 1

只是为了确认...您只关心最有共同点的两个 miRNA 条目。因此，本质上，将 miRNA #1 与 miRNA #2 的所有 gID、miRNA #3 的 gID 等进行比较。

如果 m#7 有 7 个与 m#58 相同的基因组 ID，并且 m#23 有 6 个与 m#49 相同的基因组 ID，等等...下游，但 m#7 也可能有 5 个与 m#58 相同的基因组 ID m#38。如果是这样，您的此示例列表将显示类似

miNRA7  (17's name)   miNRA 58  (58's name)   7
miNRA23 (23's name)   miNRA 49  (49's name)   6
miNRA7  (17's name)   miNRA 38  (38's name)   5

如果是这种情况，我会进行连接的自连接以获得合格的连接，然后获取名称。我会确保您的 TARGETS 表作为 ( gid, mid ) 上的索引作为一个索引，而不是两个单独的索引。

select
      TopPairs.mid,
      m1.name as NRAName1,
      TopPairs.AltMID,
      m2.name as NRAName2,
      TopPairs.PairCount
   from
      ( select
              t1.mid,
              t2.mid as AltMID,
              count(*) as PairCount
           from
              Targets t1
                 JOIN Targets t2
                        t1.gid = t2.gid
                    AND t1.mid < t2.mid
           group by
              t1.mid, 
              t2.mid
           having
              count(*) > 1
           order by
              count(*) DESC
           limit 10 ) TopPairs
      JOIN miRNA m1
         on TopPairs.mid = m1.mid
      JOIN miRNA m2
         on TopPairs.AltMID = m2.mid

与“t2”别名(第二个实例)的 JOIN 首先显式地在匹配的 gID 上进行，但仅适用于 t2.mid 大于 t1.mid 的 gID。这样 #1 就会与 #2、#3、#4 等进行比较，但永远不需要将 #2、#3 或 #4 与 #1 进行比较，因为它们已经完成了。

只有在基因组比较完成并且您拥有有限列表之后，才会连接到命名的 miNRA 表以获取输出的显式名称。如果您扔掉 30 万个基因组比较并保留 10 个，则无需获取这些详细信息。获取 10 个，然后加入。