Question

这里，我有一个经过修改的VCF文件，其中每个序列行的基因型均以数字表示，相应的SNP字母位于SNP列的列表中（我通过将Ref和Alt列汇总在一起来生成此列）。

使用dplyr ，我想用SNP字母替换数值。所有位置都是纯合子，并且SNP列表按数字基因型的顺序排列，因此，使用数字基因型的第一个数字（加1）应给出相应SNP字母的列表索引。像这样：

                  Ref   1st Alt   2nd Alt   3rd Alt
SNP letter:       C     A         T         G
Numeric genotype: 0     1         2         3
List index:       1     2         3         4

修改后的VCF数据框：

CHR   POS   SNP              Line1   Line2   Line3
01    10    c("A", "G")      0|0     1|1     0|0
01    20    c("C", "T", "A") 2|2     0|0     1|1
02    15    c("G", "T")      1|1     0|0     1|1

所需的输出：

CHR   POS   SNP              Line1   Line2   Line3
01    10    c("A", "G")      A       G       A
01    20    c("C", "T", "A") A       C       T
02    15    c("G", "T")      T       G       T

到目前为止，我已经尝试过类似的事情：

VCF %>%
    rowwise() %>%
    mutate_at(vars(4:ncol(.)), funs(str_replace(., "^(\\d)|\\d", SNP[[1]]["\\1"+1])))

但没有成功。

在此先感谢您的帮助。

结构为：

VCF <- structure(list(CHR = c("01", "01", "01"), POS = c(29463, 
29517, 29522), SNP = list(c("T", "C"), c("C", "G", "A"), c("T", 
"C")), PI548298 = c("0|0", "0|0", "1|1"), PI548488 = c("0|0", "0|0", 
"0|0"), PI548348 = c("0|0", "0|0", "1|1")), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -3L))

Answer 1

我们可以使用substr来获取每个PI列的第一个字符（因为这是我们需要的所有信息），将其转换为数字，然后加1（因为R索引）从1）开始，然后使用它来对SNP列进行子集化。

通过使用rowwise，我们将此功能分别应用于每一行，并利用该行的SNP向量：

library(tidyverse)

VCF %>%
    rowwise() %>%
    mutate_at(vars(starts_with('PI')),
              list(~ SNP[as.numeric(substr(., 0, 1)) + 1]))

Source: local data frame [3 x 6]
Groups: <by row>

# A tibble: 3 x 6
  CHR     POS SNP       PI548298 PI548488 PI548348
  <chr> <dbl> <list>    <chr>    <chr>    <chr>   
1 01    29463 <chr [2]> T        T        T       
2 01    29517 <chr [3]> C        C        C       
3 01    29522 <chr [2]> C        T        C

用VCF文件中的DNA字母替换数字基因型代码

1 个答案: