查找定義的一組範圍之外的所有範圍

我想知道什麼是定義所有範圍的最佳方法，這些範圍不在給定的一組範圍內。舉例來說，如果我有已知座標一組基因：查找定義的一組範圍之外的所有範圍

dtGenes <- fread(
    "id,start,end 
1,1000,1300 
2,1200,1500 
3,1600,2600 
4,3000,4000 
")

比方說，我知道，染色體的總長度（爲簡單起見，假設它們都是同一個染色體上）是10000。所以，最後我期望有間隔區下面的列表：

"startR,endR 
    0,1000 
1500,1600 
2600,3000 
4000,10000 
"

可以Bioconductor的的IRange有用嗎？或者還有其他一些好方法來解決這個問題？

來源

2013-11-28 Vasily A

使用Bioconductor的包GenomicRanges，改變你的原始數據到GRanges

library(GenomicRanges) 
gr <- with(dtGenes, GRanges("chr1", IRanges(start, end, names=id), 
          seqlengths=c(chr1=10000)))

然後你的基因

gaps <- gaps(gr)

GRanges之間知道鏈發現的空白。您沒有在GRanges構造函數中指定一條線，因此線被分配爲*。因此有「缺口」的+， - 和*股，而你只能在那些對*鏈

> gaps[strand(gaps) == "*"] 
GRanges with 4 ranges and 0 metadata columns: 
     seqnames  ranges strand 
     <Rle>  <IRanges> <Rle> 
    [1]  chr1 [ 1, 999]  * 
    [2]  chr1 [1501, 1599]  * 
    [3]  chr1 [2601, 2999]  * 
    [4]  chr1 [4001, 10000]  * 
    --- 
    seqlengths: 
    chr1 
    10000

注意Bioconductor的慣例，染色體從1開始感興趣了，該範圍已關閉 - 範圍內包含start和end座標。在gr上使用shift和narrow使您的範圍與Bioconductor約定一致。格蘭傑在數百萬個範圍內的運營效率很高。

來源

2013-11-28 20:09:39

完美的解決方案，非常感謝！ –

可以使用reduce從IRanges包

減少第一訂單範圍以x從左至右，然後合併重疊或相鄰的。

library(IRanges) 
dat <- read.csv(text="id,start,end 
1,1000,1300 
2,1200,1500 
3,1600,2600 
4,3000,4000 
") 

ir <- IRanges(dat$start,dat$end) 
rir <- reduce(ir) 
IRanges of length 3 
    start end width 
[1] 1000 1500 501 
[2] 1600 2600 1001 
[3] 3000 4000 1001

來源

2013-11-28 20:10:11 agstudy

感謝您指點！「減少」並不能完全解決尋找外部區域的任務，但它確實是重要的第一步;在其他一些情況下，這對我來說肯定是有用的，但是對於這個給定的任務，我非常喜歡帶有'間隙'的解決方案，它通過單個操作完成所有工作。 –

@VasilyA我不使用很多iranges軟件包。所以馬丁摩根解決方案當然是要走的路！ – agstudy

查找定義的一組範圍之外的所有範圍

回答

相關問題