Question

所以，我的问题出现了，因为我目前正在处理以下列格式收到的.csv文件的SNP数据：

alleleID | sample1 | sample2 | sample3
---------------------------------------
    A    |    1    |    0    |    0     
    A    |    0    |    1    |    1      
    B    |    0    |    0    |    1       
    B    |    1    |    1    |    0      
    C    |    1    |    0    |    1      
    C    |    1    |    1    |    1

我需要合并具有相同alleleID的行（因此合并行2和3，合并4和5，合并6和7），维护alleleID，但根据以下条件更改其他单元格的值：
1和1 - ＆gt; 2
0和1 - ＆gt; 1
1和0 - ＆gt; 0 *其中第一个值是顶行，第二个值是底行。

因此，最终结果应为：

alleleID | sample1 | sample2 | sample3
---------------------------------------
    A    |    0    |    1    |    1
    B    |    1    |    1    |    0
    C    |    2    |    1    |    2

我如何用R？

获得这个

此致

洛伦佐

P.S。谢谢seb修理桌子

P.P.S。我已经尝试了R中的一些东西，但没有一个工作，我认为添加到目前为止尝试的东西只会让人感到困惑

Answer 1

以下是我建议的程序：

设置一个矩阵，其行和列名称分别为AlleleID和sample＃。
矩阵的初始值为0。
迭代上面的数据并使用AlleleID和sample＃来索引矩阵，将观察到的数据值添加到矩阵值。

例如，对于AlleleID C和示例sample1，矩阵值的值1会增加两次，从而导致矩阵值为2。

Answer 2

你可以创建一个小函数来运行你的逻辑 - 这使用0和FALSE，1和TRUE

fx <- function(x){
  if(x[1] & x[2]) return(2)
  if(!x[1] & x[2]) return(1)
  if(x[1] & !x[2]) return(0)
  return(0)
}

然后使用dplyr迭代等位基因

library(dplyr)
df %>% group_by(alleleID) %>% summarise_all(fx)

如果您的数据集很大，可能有更快的方法来运行它 - 例如在运行之前将整个数据集转换为TRUE / FALSE。

您还应该检查每个等位基因是否只有两行

也许

stopifnot(all(table(df$alleleID) == 2))

数据

df <- read.table(text = "alleleID | sample1 | sample2 | sample3
    A    |    1    |    0    |    0     
    A    |    0    |    1    |    1      
    B    |    0    |    0    |    1       
    B    |    1    |    1    |    0      
    C    |    1    |    0    |    1      
    C    |    1    |    1    |    1 ", header = TRUE, sep = "|")

使用R将2行SNP数据转换为1行SNP数据

2 个答案:

数据