R：单细胞跟踪 X 和 Y 坐标（位置）在时间过程中的变化答案

【问题标题】：R: Single Cell tracking X and Y coordinates (Position) changes during time courseR：单细胞跟踪 X 和 Y 坐标（位置）在时间过程中的变化
【发布时间】：2018-06-10 22:56:56
【问题描述】：

我有两个数据帧（1 分钟时间点和 26 分钟时间点）。

我有 PosX 和 PosY（在特定时间点检测到的所有细胞的图像中的 X 和 Y 位置）和我感兴趣的读数

随着时间的推移，细胞会轻微迁移。我使用以下方法计算了 X 和 Y（delta_x 和 delta_y）的偏移：

delta_x <-  median_x_0nM_26min - median_x_0nM_1min 
delta_y <-  median_y_0nM_26min - median_y_0nM_1min

然后我将此更改添加到我的起始 X 和 Y 值

Xmax <- DF_1min$PosX + delta_x
Xmin <- DF_1min$PosX - delta_x
Ymax <- DF_1min$PosY + delta_Y
Ymin <- DF_1min$PosY - delta_Y

DF_1min <- cbind(DF_1min, Xmax, Xmin, Ymax, Ymin)

我如何通过允许 PosX 落入 DF_1min 和 PosY 中的 Xmax 和 Xmin 范围内的单元格来找到 DF_26min 中的哪些单元格对应于 DF_1min 中的单元格，并且 PosY 落入 Ymax 和Ymin 范围？

也许更好的解决方案可能是下一个最近邻解决方案，但这听起来可能超出了要求。

我在 StackOverflow 上尝试过大量线程问题，但即使有管道，我整个周末都在绞尽脑汁。

非常感谢您抽出宝贵时间阅读此问题。这对我博士的最后一部分很有帮助。

标记。

【问题讨论】：

标签： r time coordinates variation

【解决方案1】：

对于DF_1min 中的最近，对于DF_26min 中的每个单元格位置：

distance 函数基于 euclidean 距离，从点 x 到集合/数据框 df：

distance <- function(x, df = DF_1min) {
apply( df[,c('PosX','PosY')], 1, function(y) {diff <- (y - x); sqrt(sum(diff^2))} )
                                      }

# calculating nearest/ min distance for every cell position in DF_26min
nearest <- apply( DF_26min, 1, function(y) which.min(x = distance(y)) )

您还可以检查dist 功能，以便轻松实施其他距离测量。 “manhattan”、“canberra”、“binary”或“minkowski”等。

# Nearest indices from DF_1min and corresponding X, Y positions
DF_26min['Nearest'] <- nearest
DF_26min[,c('Nearest_Pos_X', 'Nearest_Pos_Y')] <- DF_1min[nearest,c('PosX', 'PosY')]

为了在 26 分钟 进行检查，如果 PosX 和 PosY 独立并且 逐点进行 在其nearest 点的范围内，您可以这样做以获得相等长度的逻辑向量：

DF_26min[,'X_Inrange'] <- ((DF_26min$PosX >= DF_1min[nearest,'Xmin']) & (DF_26min$PosX <= DF_1min[nearest,'Xmax']))
DF_26min[,'Y_Inrange'] <- ((DF_26min$PosY >= DF_1min[nearest,'Ymin']) & (DF_26min$PosY <= DF_1min[nearest,'Ymax']))
DF_26min[,'PXY_Inrange'] <- (rowSums(DF_26min[,c('X_Inrange','Y_Inrange')]) == 2)

用于查找范围内最近的单元格/位置：NIR

Nearest_IR <- function(x, df = DF_1min) {

     n <- nrow(df)
     X_Inrange <- ((rep(x[1],n) >= DF_1min[,'Xmin']) & (rep(x[1],n) <= DF_1min[,'Xmax']))
     Y_Inrange <- ((rep(x[2],n) >= DF_1min[,'Ymin']) & (rep(x[2],n) <= DF_1min[,'Ymax'])) 
     XY_Inrange <- (rowSums(cbind(X_Inrange,Y_Inrange)) == 2)  
     distance <- apply( df[,c('PosX','PosY')] , 1 , function(y) {diff <- (y - x) ; sqrt(sum(diff^2))} )

     df_temp <- cbind(ID = seq.int(n), df, XY_Inrange, distance)

     if (sum(df_temp$XY_Inrange == TRUE) == 0 ){
     return (NA)   
     } else {
     NIR <- df_temp$ID[df_temp$distance == min(df_temp$distance[df_temp$XY_Inrange == TRUE])]
     return (NIR)  }  
                                          }

DF_26min[,'Nearest_IR'] <- apply( DF_26min, 1, Nearest_IR )

DF_26min[,c(1:3,8,9)]
# PosX  PosY    Nearest PXY_Inrange Nearest_IR
# 1.0   0.0     5           FALSE   NA
# 2.0   1.0     2           TRUE    2
# 1.5   2.0     3           TRUE    3
# 2.2   0.5     4           FALSE   5

数据：

DF_26min = data.frame(PosX = c(1,2,1.5,2.2) , PosY = c(0,1,2,0.5))
DF_1min <- data.frame(PosX = c(4.2,2.1,1.8,2.1,2.05) , PosY = c(0.2,1.1,2.15,0.6,0.5))
DF_1min['Xmin'] <- DF_1min['PosX']*0.8
DF_1min['Xmax'] <- DF_1min['PosX']*1.1
DF_1min['Ymin'] <- DF_1min['PosY']*0.9
DF_1min['Ymax'] <- DF_1min['PosY']*1.2

【讨论】：

非常感谢。您知道如何更改上述内容，以便我可以交叉引用这两个表，以便我可以匹配位置。我遇到的问题是，并非所有细胞都出现在 26 分钟时间点和 1 分钟时间点。也就是说，一些细胞最终要么染色，要么失去染色来识别它们。例如，我在 DF_1min 中有 163 个单元格，在 DF_26min 中有 135 个单元格。细胞也没有按顺序计数，所以我需要能够根据 1 分钟时所有细胞的范围（Xmin 和 Xmax、Ymin 和 Ymax）测试 PosX 和 PosY 26 分钟。
在这种情况下，一个 26 分钟的单元格可能会落在 1 分钟的多个单元格的范围内。您要返回一个向量，表示 DF_1min 中的所有点分别在 DF_26 中的每个点的范围内吗？
是的，但是我想最好使用最近的单元格校正。尽管 DF_26min 中的两个单元格匹配 1 个 DF_1min，但其中一个单元格会比另一个更近吗？非常感谢您对此的帮助。我将在下周的一次会议上发表演讲，并且一定会提到这项工作作为未来的方向。
不错。乐意效劳。例如，最近并不一定意味着它会在范围内。它可能在范围之外，但仍然是最近的。您希望同时满足条件还是最接近的条件？
我修改了代码以找到最近的，然后检查它是否在它的范围内。请注意，可能还有其他不那么近的点，但可以在其范围内有一个点。