Question

我有一个令人费解的问题，我希望我能轻易解释一下......

我有以下数据：

CHROM   POS      REF    SNP          INDEL  
5       290      A      --|T|--|--   0  
5       890      A      A|T|--|G     0  
7       672      A      A|--|C|--    +C,+CC     
9       459      G      A|T|--|G     -C

我想创建一个ALT变量，所以我最终可以通过VCFtools运行它。但是，当且仅当满足某个语句时，我不完全确定如何通过不断添加变量来创建变量。

例如：

第一栏很容易，ALT只是T;但是我只想在ALT列中粘贴T，而不添加“|”要么 ” - ”。第二个略有不同，我不想将A添加到ALT变量只是因为它在SNP条目下看到但是添加了T和G，用一个列分隔。

所以从本质上讲，我想将每个字母添加到ALT变量，只要它不等于REF变量且不等于“ - ”。

我已经将SNP专栏拆分如下：

m$A <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[1])
m$T <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[2])
m$C <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[3])
m$G <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[4])

但有点卡在这里。我也遇到了“+ C，+ CC”和“-C”......这些问题，SNP列中的字母被忽略但REF和ALT变为：“A”和“AC，ACC”和分别为“GC”和“G”。我也把它分开了：

m$indel1 <- sapply(strsplit(as.character(mito$INDEL),","),function(x) x[1])
m$indel2 <- sapply(strsplit(as.character(mito$INDEL),","),function(x) x[2])

如果这不是真的有意义;这是我想要的不同选项：

CHROM   POS      REF    SNP          INDEL    ALT
5       290      A      --|T|--|--   0        T 
5       890      A      A|T|--|G     0        T,G   
7       672      A      A|--|C|--    +C,+CC   AC,ACC    
9       459      GC     A|T|--|G     -C       G

我只包含了上面的例子，但是文件中有这些不同的组合。这可以在R中完成，还是会变得非常复杂。

感谢提前......

注1：

首先，如果在上面的查询中不清楚这一点，请道歉。并感谢那些迄今为止帮助过的人。根据要求，ALT变量将根据INDEL前面是否有“ - ”符号或“+”符号而改变INDELs（即，这将不符合与SNP相同的规则。行）。

例如：

“ - C”（或任何有“ - ”符号的地方），如上所述，REF需要变为REF + INDEL，ALT变为REF（如果需要，用逗号分隔）::: / p>
```
CHROM   POS      REF    SNP          INDEL    ALT   
9       459      GC     A|T|--|G     -C       G
```

如果有“+”符号（无论是+ C，+ CC还是+ GGG还是别的），REF保持不变，但ALT变为REF + INDEL（如果需要则用逗号分隔））：

CHROM   POS      REF    SNP          INDEL    ALT
7       672      A      A|--|C|--    +C,+CC   AC,ACC    
9       987      T      --|T|C|--    +GGG     TGGG

Answer 1

我尝试了一些有点天真的东西 - 可能不那么有效 - 我在你的数据帧上进行的任意推断。当然，如果我有任何错误，可以改变它。无论如何，我希望它有用。

#> DF
#   CHROM POS REF        SNP  INDEL
#1      5 290   A --|T|--|--      0
#2      5 890   A   A|T|--|G      0
#3      7 672   A  A|--|C|-- +C,+CC
#4      9 459   G   A|T|--|G     -C
#5      3 554   T   A|T|--|G -GG,-A
#6      9 987   T  --|T|C|--   +GGG
#7     21 214   G   A|T|--|G      0
#8      1 145   G  G|--|--|G      0
#9      3 554 T,C   A|T|--|G -GG,-A
#10     7 672 A,T  A|--|C|-- +C,+CC

我认为这将是解决方案：

ff = function(xrow) {
   ref   = as.character(xrow[3])
   snp   = as.character(xrow[4])
   indel = as.character(xrow[5])

   if(indel == "0") {
      alt = gsub(paste(ref, "|\\||--", sep = ""), "", snp)
      if(nchar(alt) > 1) 
             alt = paste(strsplit(alt, "", fixed = T)[[1]], collapse = ",")
   }
   else {
      indels = strsplit(indel, ",", fixed = T)[[1]]

      if(grepl("-", indels[1], fixed = T)) {
        alt = ref
        ref = paste0(strsplit(ref, ",", fixed = T)[[1]], 
                        gsub("-", "", indels, fixed = T), collapse = ",")
      }
      if(grepl("+", indels[1], fixed = T)) {
        alt = paste0(strsplit(ref, ",", fixed = T)[[1]], 
                        gsub("+", "", indels, fixed = T), collapse = ",")
      }
  }    

   return(cbind(CHROM = xrow[1], POS = xrow[2], REF = ref, 
                SNP = snp, INDEL = indel, ALT = alt))
}
as.data.frame(t(apply(DF, 1, ff)))
#   V1  V2     V3         V4     V5     V6
#1   5 290      A --|T|--|--      0      T
#2   5 890      A   A|T|--|G      0    T,G
#3   7 672      A  A|--|C|-- +C,+CC AC,ACC
#4   9 459     GC   A|T|--|G     -C      G
#5   3 554 TGG,TA   A|T|--|G -GG,-A      T
#6   9 987      T  --|T|C|--   +GGG   TGGG
#7  21 214      G   A|T|--|G      0    A,T
#8   1 145      G  G|--|--|G      0       
#9   3 554 TGG,CA   A|T|--|G -GG,-A    T,C
#10  7 672    A,T  A|--|C|-- +C,+CC AC,TCC

DF：

structure(list(CHROM = c("5", "5", "7", "9", "3", "9", "21", 
"1", "3", "7"), POS = c("290", "890", "672", "459", "554", "987", 
"214", "145", "554", "672"), REF = c("A", "A", "A", "G", "T", 
"T", "G", "G", "T,C", "A,T"), SNP = c("--|T|--|--", "A|T|--|G", 
"A|--|C|--", "A|T|--|G", "A|T|--|G", "--|T|C|--", "A|T|--|G", 
"G|--|--|G", "A|T|--|G", "A|--|C|--"), INDEL = c("0", "0", "+C,+CC", 
"-C", "-GG,-A", "+GGG", "0", "0", "-GG,-A", "+C,+CC")), .Names = c("CHROM", 
"POS", "REF", "SNP", "INDEL"), row.names = c(NA, 10L), class = "data.frame")

Answer 2

对于逻辑的第一部分，这样的事情有效：

mito <- read.table(text="CHROM   POS      REF    SNP          INDEL  
5       290      A      --|T|--|--   0
5       890      A      A|T|--|G     0
7       672      A      A|--|C|--    +C,+CC
9       459      G      A|T|--|G     -C",header=TRUE,stringsAsFactors=FALSE)

“只有当它不等于REF变量并且不等于' - '”时才将每个字母添加到ALT变量。

SNPlist <- strsplit(mito$SNP,"\\|")
output <- Map(function(x,y) x[x!=y & x!="--"] , SNPlist, mito$REF)
mito$alt <- sapply(output,paste,collapse=",")
mito

#  CHROM POS REF        SNP  INDEL alt
#1     5 290   A --|T|--|--      0   T
#2     5 890   A   A|T|--|G      0 T,G
#3     7 672   A  A|--|C|-- +C,+CC   C
#4     9 459   G   A|T|--|G     -C A,T

Answer 3

你可以试试这个：

library(stringr)
snp <- str_extract_all(string = df$SNP, pattern = "[[:alpha:]]")

snp2 <- mapply(FUN = function(x, y) x[x != y], x = snp, y = df$REF)

df$ALT <- lapply(snp2, function(x) paste(x, collapse = ","))

df$ALT[df$INDEL == "+C,+CC"] <- "AC,ACC"
df$ALT[df$INDEL == "-C"] <- "G"

df

#   CHROM POS REF        SNP  INDEL    ALT
# 1     5 290   A --|T|--|--      0      T
# 2     5 890   A   A|T|--|G      0    T,G
# 3     7 672   A  A|--|C|-- +C,+CC AC,ACC
# 4     9 459   G   A|T|--|G     -C      G

给出不同的if else语句不断添加到字符串[R]

3 个答案: