【发布时间】:2018-01-11 09:29:24
【问题描述】:
我有一个数据框 data,其中包含基因组中突变核苷酸的 chromosome 和 position:
structure(list(chrom = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 3L,
3L, 4L, 4L, 4L, 4L), pos = c(10L, 200L, 134L, 400L, 600L, 1000L,
20L, 33L, 40L, 45L, 50L, 55L, 100L, 123L)), .Names = c("chrom",
"pos"), class = "data.frame", row.names = c(NA, -14L))
chrom pos
1 1 10
2 1 200
3 1 134
4 1 400
5 1 600
6 1 1000
还有另一个tss_locations,包含gene 和chromosome 中的功能(tss)的位置:
structure(list(gene = structure(c(1L, 4L, 5L, 6L, 7L, 8L, 9L,
10L, 11L, 2L, 3L), .Label = c("gene1", "gene10", "gene11", "gene2",
"gene3", "gene4", "gene5", "gene6", "gene7", "gene8", "gene9"
), class = "factor"), chrom = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L,
3L, 4L, 4L), tss = c(5L, 10L, 23L, 1340L, 313L, 88L, 44L, 57L,
88L, 74L, 127L)), .Names = c("gene", "chrom", "tss"), class = "data.frame", row.names = c(NA,
-11L))
gene chrom tss
1 gene1 1 5
2 gene2 1 10
3 gene3 1 23
4 gene4 2 1340
5 gene5 2 313
6 gene6 2 88
我正在尝试为data 中的每个pos 计算与在同一条染色体上最近的tss 的距离。
到目前为止,我可以计算每个data$pos 到any tss_locations$tss 的距离(即最接近每个tss 的pos,不考虑染色体):
fun <- function(p) {
# Get index of nearest tss
index<-which.min(abs(tss_locations$tss - p))
# Lookup the value
closestTss<-tss_locations$tss[[index]]
# Calculate the distance
dist<-(closestTss-p)
list(snp=p, closest=closestTss, distance2nearest=dist)
}
# Run function for each 'pos' in data
dist2tss<-lapply(data$pos, fun)
# Convert to data frame and sort descending:
dist2tss<-do.call(rbind, dist2tss)
dist2tss<-as.data.frame(dist2tss)
dist2tss<-arrange(dist2tss,(as.numeric(distance2nearest)))
dist2tss$distance2nearest<-as.numeric(dist2tss$distance2nearest)
head(dist2tss)
snp closest distance2nearest
1 600 313 -287
2 400 313 -87
3 200 127 -73
4 100 88 -12
5 33 23 -10
6 134 127 -7
但是,我希望能够为每个pos在同一条染色体上找到最接近的tss。
我知道我可以将它单独应用于每个染色体,但我想查看全局距离(跨所有染色体),但仅在同一染色体上的 positions 和 tsss 之间进行比较。
我该如何调整才能实现这个目标?按染色体对两个数据框进行子集化并合并结果?
到目前为止,这是正确的方法吗?
【问题讨论】: