1

import.bw() (rtracklayer パッケージから) を使用して UCSC アラインビリティ トラックを R にインポートしましたが、必要な値にアクセスするのに問題があります。

例: 染色体と塩基を提供し、その位置の値を返したいとします。

私のオブジェクトは al100 と呼ばれます:

> 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

染色体と位置を指定してスコアを返す機能が欲しい。1 つまたは 2 つの値が必要な場合、これは簡単ですが、ルックアップする値が 700 万ある場合、ループは機能しません。クエリあたり 4/5 秒の場合、これは約 10 か月であり、これはオプションではありません。

たとえば、chr1、位置 10011 は値 0.002777778 を返します (x は染色体と位置のリストを含む別のオブジェクトです)

これまでに見つけた唯一の方法は、自分の位置が範囲の開始点以上かどうか、および/または範囲の終了点以下かどうかを尋ねることです。あまりよくない。

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

1 に答える 1

1

再現可能な例について

library(rtracklayer)
example(import.bw)
gffRD

与える

> 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

関心領域を定義する

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

次に、 を使用して と の間をfindOverlapsマッピングしますgffRDroi

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

olapsどのクエリがどのサブジェクトに一致するかに関する情報が含まれています

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

データフレームは

> 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 に答える