1

我有一个带有一些基因组间隔和一些元数据的 GRanges 对象（3 个向量覆盖了 3 个不同样本中的每个区域）。我已经申请：

disjoin(my_data)

获得一个新的 Granges 对象，该对象具有最小的一组唯一的、不重叠的片段。

问题是我无法在新的 Granges 对象中保存元数据。我想获得的是包括这个独特集合的基因组区域的平均覆盖率。

作为一个例子，我想把这个元数据：

       sample1   sample2   sample3
1:1-3    30        NA         NA
1:1-4    NA        40         35
1:4-5    35        NA         NA
1:5-7    NA        50         50
1:6-7    60        NA         NA

进入这个：

       sample1    sample2     sample3
1:1      30         40          35
1:2      30         40          35
1:3      30         40          35
1:4      35         40          35
1:5      35         50          50
1:6      60         50          50
1:7      60         50          50

我怎样才能做到这一点？

4

1 回答 1

1

这是一种 data.table 方法，用于为脱节的范围集保存元数据。

library(GRanges)
library(data.table)
data.disjoin <- disjoin(my_data)
overlaps <- as.data.frame(findOverlaps(data.disjoin,data))
coverage.disjoin <- as.data.table(cbind(overlaps,mcols(my_data)[overlaps$subjectHits,]))
coverage.disjoin <- coverage.disjoin[,
                      lapply(.SD[,-1],function(x){unique(x[!is.na(x)])}),
                      by="queryHits"]
mcols(data.disjoin) <- coverage.disjoin[,.(sample1,sample2,sample3)]

首先，找出不相交的范围集与原始数据之间的重叠。然后将重叠的覆盖范围收集到一个data.table. 按样本查找该范围的唯一覆盖范围，删除NA值。请注意，这.SD是组的子集 data.table 的特殊符号。最后，将结果连接回分离的数据。

数据

my_data <- GRanges(
  c("chr1","chr1","chr1","chr1","chr1")
  ,IRanges(c(1,1,4,5,6),c(3,4,5,7,7)),
  sample1=c(30,NA,35,NA,60),
  sample2=c(NA,40,NA,50,NA),
  sample3=c(NA,35,NA,50,NA))
于 2020-03-23T14:40:23.307 回答