1

我已经使用 import.bw()(来自 rtracklayer 包)将 UCSC 可对齐性轨道导入到 R 中,但是在访问我需要的值时遇到了问题。

例如:我想提供一条染色体和一个碱基并返回该位置的值。

我的对象叫做 al100:

> al100
RangedData with 21591667 rows and 1 value column across 25 spaces
            space               ranges   |       score
         <factor>            <IRanges>   |   <numeric>
1            chr1       [10001, 10014]   | 0.002777778
2            chr1       [10015, 10015]   | 0.333333343
3            chr1       [10016, 10026]   | 0.500000000
4            chr1       [10027, 10031]   | 1.000000000

我想要一个指定染色体和位置并取回分数的函数。如果我想要一个或两个值,这很简单,但是当我要查找 700 万个值时,循环将不起作用;每次查询 4/5 秒,大约是 10 个月,这不是一个选项。

例如,chr1,位置 10011 将返回值 0.002777778(其中 x 是包含染色体和位置列表的单独对象)

到目前为止,我发现的唯一方法是询问我的位置是否等于或大于范围的开始和/或等于或等于或小于范围的结束。不是很好。

score(al100["chr1"])[ which( start(al100["chr1"]<=x$POS[1])) & end(al100["chr1"]<=x$POS[1]))   ]
4

1 回答 1

1

对于一个可重现的例子

library(rtracklayer)
example(import.bw)
gffRD

> head(gffRD, 3)
RangedData with 3 rows and 7 value columns across 1 space
                                  space       ranges |     type       source
                               <factor>    <IRanges> | <factor>     <factor>
1 Escherichia_coli_K-12_complete_genome [ 337, 2799] |      CDS glimmer/tico
2 Escherichia_coli_K-12_complete_genome [2801, 3733] |      CDS glimmer/tico
3 Escherichia_coli_K-12_complete_genome [3734, 5020] |      CDS glimmer/tico
     phase   strand        note     shift     score
  <factor> <factor> <character> <numeric> <numeric>
1       NA        +          NA        NA  5.347931
2       NA        +          NA        NA 11.448764
3       NA        +          NA        NA  6.230648

定义感兴趣区域

roi <- GRanges("Escherichia_coli_K-12_complete_genome",
               IRanges(c(337, 3734), width=1))

然后用于在和findOverlaps之间映射gffRDroi

olaps <- findOverlaps(gffRD,roi)
df <- DataFrame(seqnames=seqnames(roi)[subjectHits(olaps)],
                 start=start(roi)[subjectHits(olaps)],
                 Score=score(gffRD)[queryHits(olaps)])

olaps包含有关哪些查询匹配哪些主题的信息

> olaps
Hits of length 2
queryLength: 14
subjectLength: 2
  queryHits subjectHits 
   <integer>   <integer> 
 1         1           1 
 2         3           2 

数据框是

> df
DataFrame with 2 rows and 3 columns
                               seqnames     start     Score
                                  <Rle> <integer> <numeric>
1 Escherichia_coli_K-12_complete_genome       337  5.347931
2 Escherichia_coli_K-12_complete_genome      3734  6.230648
于 2012-03-28T18:20:08.920 回答