1

我有一个大型数据集（d1），如下所示：

SNP Position    Chromosome
rs1 10010   1
rs2 10020   1
rs3 10030   1
rs4 10040   1
rs5 10010   2
rs6 10020   2
rs7 10030   2
rs8 10040   2
rs9 10010   3
rs10 10020  3
rs11 10030  3
rs12 10040  3

我还有一个数据集（d2），如下所示：

SNP Position    Chromosome
rsA 10015   1    
rsB 10035   3

现在，我想根据 d2（位置+-5 和相同的染色体）选择 d1 中的一系列 SNP，并将结果写入 txt 文件，结果应该是这样的：

SNP(d2) SNP(d1) Position(d1)    Chromosome
rsA rs2 10020   1
rsA rs3 10030   1
rsB rs11    10030   3
rsB rs12    10040   3

我是 R 的新手，谁能告诉我如何在 R 中做到这一点？非常感谢您的回复。

4

2 回答 2

3

通过“染色体”列进行合并（例如在该列上连接数据库中的 2 个表）：

mrg <- merge(x = d1, y = d2, by = c("Chromosome"), all.y = TRUE)

然后过滤位置差异 <= 5 的行：

result <- mrg[abs(mrg$Position.x - mrg$Position.y) <= 5,]

会给你想要的结果。

于 2013-08-10T00:35:43.300 回答
1 
d2$low <- d2$Position-5 ; d2$high<- d2$Position+5

您可能会认为您可以执行以下操作：

d2$matched <- which(d1$Position >=d2$low & d2$high >= d1$Position)

....但不是真的，所以你需要更多的参与。：

 d1$matched <- apply(d1, 1, function(p) 
                            which(p['Position'] >=d2[,'low'] & 
                                  d2[,'high'] >= p['Position'] & 
                                  p['Chromosome']==d2[,"Chromosome"]) )

基本上这是检查 d1 的每一行是否存在 d2 在范围内和同一染色体上的潜在匹配：

 d1        # take a look
 # Then bind matching cases together
 cbind( d1[ which(d1$matched > 0), ], 
        d2[ unlist(d1$matched[which(d1$matched>0)]), ] )
#--------------------
    SNP Position Chromosome matched SNP Position Chromosome   low  high
1   rs1    10010          1       1 rsA    10015          1 10010 10020
2   rs2    10020          1       1 rsA    10015          1 10010 10020
11 rs11    10030          3       2 rsB    10035          3 10030 10040
12 rs12    10040          3       2 rsB    10035          3 10030 10040
于 2013-08-10T00:32:10.403 回答