如何使计数值列表的结果成为数据框的热门特征

Question

我有以下数据框：

v1        v2       v3
+         S10      tactagcaatacgcttgcgttcggtggttaagtatgtataatgcgcgggcttgtcgt
+        AMPC      tgctatcctgacagttgtcacgctgattggtgtcgttacaatctaacgcatcgccaa
+        AROH      gtactagagaactagtgcattagcttatttttttgttatcatgctaaccacccggcg

我对 v3 执行转换，将字符串每 2 个字母拆分，并获取每对字母的出现次数，如下所示：

lapply(df$v3, function(x) oligonucleotideFrequency(DNAString(x), width = 2))

这是 v3 中第一个字符串的转换输出：

AA AC AG AT CA CC CG CT GA GC GG GT TA TC TG TT 
3  2  2  4  1  0  6  3  0  6  4  7  7  2  5  4 

现在我有了 v3 字符串中每对字母的所有值计数，但每个计数都是分开的，它不提供全局值。现在我想做的是让每对字母成为数据框的一个特征，其中每个特征的值将是每对字母出现在同一字符串中的次数。

应该是这样的：

v1        v2     AA AC AG AT CA CC CG CT GA GC GG GT TA TC TG TT 
+         S10     3  2  2  4  1  0  6  3  0  6  4  7  7  2  5  4                        
+        AMPC     3  4  1  4  5  2  4  4  2  4  1  5  3  5  6  3 
+        AROH     2  4  4  4  3  3  2  4  2  4  1  3  7  1  3  9

我怎样才能达到这个结果？

提前致谢

Answer 1

使用基础 R 的解决方案。

library(Biostrings)

dat <- read.table(text = "v1        v2       v3
'+'         'S10'      'tactagcaatacgcttgcgttcggtggttaagtatgtataatgcgcgggcttgtcgt'
'+'        'AMPC'      'tgctatcctgacagttgtcacgctgattggtgtcgttacaatctaacgcatcgccaa'
'+'        'AROH'      'gtactagagaactagtgcattagcttatttttttgttatcatgctaaccacccggcg'",
stringsAsFactors = FALSE, header = TRUE)

# Count the nucleotide number  
lst1 <- lapply(dat$v3, function(x) oligonucleotideFrequency(DNAString(x), width = 2))
# Transpose the vector and convert to a data frame for each element
lst2 <-  lapply(lst1, function(x) as.data.frame(t(x)))
# Comebine all single data frame into one data frame row-wise
dat2 <- do.call(rbind, lst2)
# Comebine with the original data frame column-wise
dat3 <- cbind(dat, dat2)
# Remvoe the v3 column
dat3$v3 <- NULL
dat3
#   v1   v2 AA AC AG AT CA CC CG CT GA GC GG GT TA TC TG TT
# 1  +  S10  3  2  2  4  1  0  6  3  0  6  4  7  7  2  5  4
# 2  + AMPC  3  4  1  4  5  2  4  4  2  4  1  5  3  5  6  3
# 3  + AROH  2  4  4  4  3  3  2  4  2  4  1  3  7  1  3  9