Question

我正在分析R中的基因序列。数据帧的列是SNP，行是个体。将该SNP的样品中的每个个体的基因型记录为字符，例如＆＃34; CC＆＃34;，＆＃34; AC＆＃34;，＆＃34; AA＆＃34;。由于每个SNP只有三种可能的基因型，因此R将每列作为因子变量读取。

我想获得每对列之间的相关性，但为了做到这一点，我需要一个数字数据帧。我已经能够以字符而不是因子的形式读取数据，并根据基因型将数据转换为0,1或2（作为字符）。

但是当我尝试将这些字符转换为数字时，R会将“0”强制转换为NA。为什么会发生这种情况？如何防止这种情况发生？我不知道如何在这里显示我的数据，否则我想展示一小部分样本。非常感谢任何帮助！

编辑：我的数据集的名称是＆＃39; hgdpakt＆＃39;。

这是我用来转换＆＃34; CC＆＃34;的字符数据的代码。 to＆＃34; 1＆＃34;，例如：

genowt1 = allele.names(genotype(hgdpakt[,1],sep = "", reorder = "freq"))

这给了我基因型的第一个和第二个字符作为列表，按该等位基因的频率排序。接着，

A = paste(genowt1[1],genowt1[1],sep = "")
B = paste(genowt1[2],genowt1[2],sep = "")
C = paste(genowt1[1],genowt1[2],sep = "")
D = paste(genowt1[2],genowt1[1],sep = "")

完成此分配后，我使用以下代码分配每个基因型＆＃39; 0＆＃39;，＆＃39; 1＆＃39;或者＆＃39; 2＆＃39;取决于携带基因型的次要等位基因的数量：

for(j in 1:length(hgdpakt[,1])){
if (hgdpakt[j,1] == A & (!is.na(hgdpakt[j,1]))){
  hgdpakt[j,1] == 0
}else if (hgdpakt[j,1] == B & (!is.na(hgdpakt[j,1]))){
  hgdpakt[j,1] = 2
}else if 
  (hgdpakt[j,1] == C || hgdpakt[j,1] == D || (is.na(hgdpakt[j,1])= TRUE)){
  hgdpakt[j,1] = 1
}

}

在此之后，我使用了'as.numeric＆＃39;转换为数字：

hgdpakt[,1] = as.numeric(hgdpakt[,1])

希望这有帮助。

Answer 1

这个怎么样？可能有更有效的方法来查找次要等位基因，但我将继续使用基于您在上面建议的genetics包的方法：

library("genetics")
set.seed(101)
genotypes <- c("CC", "AC", "AA")
dd <- as.data.frame(replicate(6,sample(genotypes,10,replace=TRUE)))
count_minor_alleles <- function(x) {
   minor <- allele.names(genotype(x,sep="",reorder="freq"))[1]
   sapply(strsplit(as.character(x),""),
          function(z) sum(z==minor))
}
dd[] <- lapply(dd,count_minor_alleles)
cor(dd)

dd[] <- ...是一个轻微的黑客，可以替换数据框的内容，而无需更改整体格式; as.data.frame(lapply(dd,count_minor_alleles))也可以工作（基本问题是lapply()返回一个列表，需要以某种方式将其转换回数据框）

为什么R强迫＆＃34; 0＆＃34;转换为数字时作为NA的字符？

1 个答案: