Question

只有当INTERVALS（开始/结束）包含（地址）“地图”表的至少一个“位置”（开始）时，我才需要保存“ref”中的行：

按照“ref”表的例子：

ref<-"chr start end
chr1 1 10 
chr1 20 30  
chr1 30 40 
chr1 40 50 
chr2 20 30 
chr2 40 50  
chr2 80 90"
ref<-read.table(text=ref,header=T)

按照“地图”表的示例：

map<-"chr start
chr1 1
chr1 3 
chr1 5
chr1 31
chr1 32
chr2 1
chr2 2
chr2 89"
map<-read.table(text=map,header=T)

我需要一个这样的决赛桌（只有INTERVALS包含来自“map”表值的至少一个值）：

final<-"chr start end
chr1 1 10 
chr1 30 40 
chr2 80 90"
final<-read.table(text=final,header=T)

请注意，我也考虑了染色体数目。并且，所考虑的值是“ref”上的“start”和“end”值之间的间隔，而不仅仅是“start”和“end”值本身。

为了解决chromossome的问题，我认为chr + start和chr + end分别像“tag”和tag1一样。

ref$tag <- paste0(ref$chr, "-", ref$start)
ref$tag1 <- paste0(ref$chr, "-", ref$end)
map$tag <- paste0(map$chr, "-", map$start)

Answer 1

ref[ref$start %in% map$start | ref$end %in% map$start, ]

更详细：

rows_to_keep <- ref$start %in% map$start | ref$end %in% map$start
rows_to_keep
# [1]  TRUE  TRUE FALSE  TRUE

ref[rows_to_keep, ]
#    chr start end
# 1 chr1     1   2
# 2 chr2     2  10
# 4 chr2     6  10

Answer 2

根据这个话题 “Finding overlapping ranges between two interval data” “一般来说，使用bioconductor包IRanges处理与间隔有关的问题是非常合适的” 所以，你在这里：

library("GenomicRanges")
library("data.table")


gr1 = with(ref, GRanges(Rle(factor(chr, 
                                       levels=c("chr1", "chr2"))), IRanges(start, end)))

gr2 = with(map, GRanges(Rle(factor(chr, 
                                        levels=c("chr1", "chr2"))), IRanges(start, start)))

olaps<-subsetByOverlaps(gr1, gr2)

olaps <- as.data.frame(olaps)
col_headings <- c('chr','start', 'end', 'width', 'strand')
names(olaps) <- col_headings

final <- subset(olaps, select = c("chr", "start", "end"))

    > final
       chr start end
    1 chr1     1  10
    2 chr1    30  40
    3 chr2    80  90

选择表示两个位置之间范围的行，以便仅包含包含另一个表的至少一个位置的间隔

2 个答案: