Question

我有一个脚本，旨在检测染色体上基因之间的间隙，这些间隙的坐标，并为间隙指定一个类别。

它采用以下格式的输入文件：

Chr     start   finish  dir
chrI    335     649     +
chrI    538     792     +
chrI    1807    2169    -
chrI    2480    2707    +
chrI    7235    9016    -
chrI    10091   10399   +
chrI    11565   11951   -
chrI    12046   12426   +
chrI    13363   13743   -
chrI    21566   21850   +
chrI    22395   22685   -
chrI    24000   27968   -
chrI    31567   32940   +
chrI    33448   34701   +

脚本：

k = 0;
for i=1:(length(start)-1)
    if start(i+1)<finish(i)
        continue
    else
    end
    k = k+1;
    IGR(k,1) = finish(i)+1;
    IGR(k,2) = start(i+1)-1;
    if dir{i}=='+' && dir{i+1}=='-'
        type{k,1} = 'Convergent';
    end
    if dir{i}=='+' && dir{i+1}=='+'
        type{k,1} = 'Tandem';
    end
    if dir{i}=='-' && dir{i+1}=='+'
        type{k,1} = 'Divergent';
    end
    if dir{i}=='-' && dir{i+1}=='-'
        type{k,1} = 'Tandem';
    end
end

这适用于上述输入，但是如果超过2重叠，则检查以确定相邻基因是否重叠if start(i+1)<finish(i)会失败。下面的输入无法正常工作，因为输入数据按start排序，因此无法检测到第三个基因与第一个基因重叠 - 只检查基因2和3是否重叠。

chrII   280     2658    -
chrII   646     1128    +
chrII   2582    2899    -
chrII   2997    5009    -
chrII   5790    6125    +
chrII   7605    7733    -

所需的输出将是系统检测基因1-3彼此重叠并因此忽略它们 - 在基因3和4之间检测到第一个缺口：

enter image description here

红色区块表示我试图检测的区域，同时忽略重叠的基因（因为它们不产生间隙）。蓝色区块显示每个基因的chrII开始。

是否有人建议采用更强大的方法来检查重叠？

修改：

我的完整输入文件具有按染色体分类的基因，即：

Chr     start   finish  dir
chrI    335     649     +
chrI    538     792     +
chrI    1807    2169    -
chrI    2480    2707    +
chrI    7235    9016    -
chrII   280     2658    -
chrII   646     1128    +
chrII   2582    2899    -
chrII   2997    5009    -
chrII   5790    6125    +
chrII   7605    7733    -

任何检测重叠的方法都不能跨越染色体边界，一旦chrI结束并且chrII开始，就必须刷新该过程，使得chrI上的最后一个基因不针对chrII上的第一个基因进行检查。

Answer 1

根据你的问题，我假设你已经有两个向量中每个范围的起始值和结束值：

start = [ 280
          646
          2582
          2997
          5790
          7605 ];
finish = [ 2658
           1128 
           2899
           5009
           6125
           7733 ];

现在，两个范围重叠，当且仅当每个范围在另一个完成之前开始。所以

overlap = bsxfun(@lt, start(:), finish(:).'); %'// or @le to include equality
overlap = overlap & overlap.';

给出方形对称矩阵overlap，如果范围overlap(m,n)和1重叠，则m为n。你可能想要删除对角线（一个明显与自身重叠的范围，但这并不重要）：

overlap(1:numel(start)+1:end) = 0;

示例输出的结果是

overlap =
     0     1     1     0     0     0
     1     0     0     0     0     0
     1     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0

告诉您范围1和2重叠，范围1和3重叠（但请注意，范围2和3不重叠）。

Answer 2

将脚本的第3行更改为

是否足够

if start(i+1)<max(finish(1:i))

使用第二组示例数据，我得到以下输出：

2900-2996: Tandem
5010-5789: Divergent
6126-7604: Convergent

这是你想要的吗？

巴勒

检测范围是否重叠 - MATLAB

2 个答案: