如何利用多条染色体计算基因之间的距离
我想知道某些基因是否聚集在一起。现在，我已经有了一个基因列表，以及它们的起始和停止位置，我已经知道如何计算这些基因之间的距离。问题是我不知道如何考虑染色体的转换。
你不能测量1号染色体上的基因和2号染色体上的基因之间的距离。
我想像这样计算距离:基因2的起始位置--基因1的停止位置。然后，这些基因之间的距离。
但是我该如何解释:当你到达下一个染色体时，R码获取了第2号染色体上一个基因的起始位置，但是一个基因在第1号染色体上的终止位置是不可能的(至少对于我的研究来说)。
所以我想知道如何在R中解释这一点，如果基因位于不同的染色体上，我只需要略过这些基因。
希望你们能帮我。
关于下面的代码:这三个向量只是起始点停止位置和染色体的向量。它们都是一样长的。染色体是一个载体，包含每个基因的染色体数目。
start_vector <- as.vector(sorted_coords$start_position)
end_vector <- as.vector(sorted_coords$end_position)
chromosomes <- as.vector(sorted_coords$chromosome_name)
chromosomes[is.na(chromosomes)] <- 24
count = 0
for(i in 1:length(chromosomes)){
if(count != chromosomes[i]){
start <- i - 1
end <- i + 1
start_vector <- start_vector[-start]
end_vector <- end_vector[-end]
count <- count + 1
}
}我期待一个所有基因的距离向量，不包括位于不同染色体上的基因的距离。
回答 1
Stack Overflow用户
发布于 2019-01-09 19:15:57
library(tidyverse) # for all the tidyverse goodies
library(reshape2) # For the melt function由于您没有提供一个可重复的例子，我冒昧地制作了我自己的玩具数据格式如下。它只有2条染色体，但是这种方法应该适用于任意数目的染色体和基因。
sorted_coords <- tibble(start_position = abs(rnorm(10)*10),
end_position = abs(rnorm(10)*10),
chromosome_name = c(rep(1,5),rep(2,5)))编辑: OP澄清说，他们只想找出距离基因的距离，而不是其他所有的基因。做后半部分的方法在底部，因为我觉得它很有趣。新的解决办法是：
sorted_coords %>%
group_by(chromosome_name) %>%
arrange(chromosome_name, start_position) %>%
mutate(distance = start_position - lag(end_position, n = 1, default = 0))- 我们按染色体分组，这样我们就不会在染色体之间做任何错误的计算。
- 我们按染色体的名称排列，以便在最后进行分类。我们按起始位置排列，因此基因的顺序是正确的。
- 我们按建议计算距离。当前行的起始位置-上一行的结束位置。我们指定(尽管这是默认的)，我们查看前面的行，如果在结束位置的值之前没有行，则默认值为0。
旧答案
如果你想把每个基因和其他的基因进行比较，最快的方法就是创建一个矩阵。正如你所指出的，我们想把基因1的开头减到基因2的末尾，这对我来说并不合适，但我已经有一段时间没有做过biochem了:)。因为您想要一个单对列表，所以我们可以折叠它(熔体函数)。
下面的代码有点模糊，所以让我们把它分解一下。
sorted_coords %>%
group_by(chromosome_name) %>%
do( outer(.$start_position, .$end_position) %>%
melt() %>%
setNames(c("rows", "columns", "distance")))- 我们把我们的数据帧，并按每一个染色体分组，视需要。
- do命令允许我们执行复杂的操作。group_by命令确保我们所做的每一条染色体基本上是分离的。
- 外部功能为我们创造了矩阵。
.是我们传递给特定染色体的数据。我们传递需要找到差异的两列。 - 熔融函数将矩阵转化为一个数据，用于指定它用来计算差异的两个基因。他们是数字列出的，你可以回去比较它。我建议使用安排来设置订单，这样您就可以轻松地将其引用回来。
- setNames只是将列名设置为更可编辑的内容。
这应该比为所有进程运行for循环快得多。如果你提供更多的信息，我可能会清理更多的答案。
https://stackoverflow.com/questions/54115939
复制相似问题
腾讯云开发者
