不斷增加給定不同的，如果else語句[R​​]

Question

我有一個令人費解的問題串，我希望我可以很容易解釋它...

，我有以下數據：

CHROM POS  REF SNP   INDEL 
5  290  A  --|T|--|-- 0 
5  890  A  A|T|--|G  0 
7  672  A  A|--|C|-- +C,+CC  
9  459  G  A|T|--|G  -C  

我想創建一個ALT變量，所以我最終可以通過VCFtools來運行它。但是，我並不完全知道如何通過不斷添加變量來創建變量，當且僅當某個語句被滿足時。

例如：

第一列很容易，ALT只是T;但是我只想將T粘貼到ALT列中，而不添加「|」要麼 」 - 」。第二個稍有不同，我不想將A添加到ALT變量，只是因爲它在SNP條目下出現，但添加了T和G，並用列分隔。

所以，實質上，我想要添加每個字母到ALT變量只有當它不等於REF變量，它不等於「 - 」。

我已經先行一步，分裂SNP列了如下：

m$A <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[1]) 
m$T <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[2]) 
m$C <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[3]) 
m$G <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[4]) 

但是從這裏有點卡住。我還遇到了「+ C，+ CC」和「-C」......的問題，這些SNP列中的字母將被忽略，但REF和ALT會變成：「A」和「AC，ACC」和「GC」和「G」。我也分裂了這一點：

m$indel1 <- sapply(strsplit(as.character(mito$INDEL),","),function(x) x[1]) 
m$indel2 <- sapply(strsplit(as.character(mito$INDEL),","),function(x) x[2]) 

如果這沒有任何意義;這裏是我想什麼不同的選項是：

CHROM POS  REF SNP   INDEL ALT 
5  290  A  --|T|--|-- 0  T 
5  890  A  A|T|--|G  0  T,G 
7  672  A  A|--|C|-- +C,+CC AC,ACC  
9  459  GC  A|T|--|G  -C  G 

我只包含上面的例子，但在文件中的這一切不同的組合。這可以在R中完成，還是會變得非常複雜。

感謝提前...

注1：

首先，道歉，如果這不是明顯的在我的查詢與開始以上。並感謝那些迄今爲止幫助過的人。根據要求，ALT變量會根據INDEL前面是否有「 - 」符號或「+」符號而改變INDEL（即，這不會遵循與SNP大部分相同的規則行）。

例如：

1. 「-C」（或只要有一個 「 - 」 號），如上所述，REF需要成爲REF + INDEL和ALT成爲REF（由分離的逗號，如果需要的話）：

   CHROM POS  REF SNP   INDEL ALT 
   9  459  GC  A|T|--|G  -C  G 
   

2. 如果有一個 「+」 號（無論是+ C，+ CC或+ GGG或別的東西），REF保持不變，但ALT變成REF + INDEL（如果需要，用逗號分隔）：

   CHROM POS  REF SNP   INDEL ALT 
   7  672  A  A|--|C|-- +C,+CC AC,ACC  
   9  987  T  --|T|C|-- +GGG  TGGG 
   

Answer 1

對於邏輯的第一部分，像這樣的工作：

mito <- read.table(text="CHROM POS  REF SNP   INDEL 
5  290  A  --|T|--|-- 0 
5  890  A  A|T|--|G  0 
7  672  A  A|--|C|-- +C,+CC 
9  459  G  A|T|--|G  -C",header=TRUE,stringsAsFactors=FALSE) 

「每個字母添加到ALT變量，只有當它不等於REF變量及其不等於' - '「。

SNPlist <- strsplit(mito$SNP,"\\|") 
output <- Map(function(x,y) x[x!=y & x!="--"] , SNPlist, mito$REF) 
mito$alt <- sapply(output,paste,collapse=",") 
mito 

# CHROM POS REF  SNP INDEL alt 
#1  5 290 A --|T|--|--  0 T 
#2  5 890 A A|T|--|G  0 T,G 
#3  7 672 A A|--|C|-- +C,+CC C 
#4  9 459 G A|T|--|G  -C A,T 

Answer 2

你可以試試這個：

library(stringr) 
snp <- str_extract_all(string = df$SNP, pattern = "[[:alpha:]]") 

snp2 <- mapply(FUN = function(x, y) x[x != y], x = snp, y = df$REF) 

df$ALT <- lapply(snp2, function(x) paste(x, collapse = ",")) 

df$ALT[df$INDEL == "+C,+CC"] <- "AC,ACC" 
df$ALT[df$INDEL == "-C"] <- "G" 

df 

# CHROM POS REF  SNP INDEL ALT 
# 1  5 290 A --|T|--|--  0  T 
# 2  5 890 A A|T|--|G  0 T,G 
# 3  7 672 A A|--|C|-- +C,+CC AC,ACC 
# 4  9 459 G A|T|--|G  -C  G 

Answer 3

我試過的東西有點幼稚-and恐怕沒那麼effcient-以我對你做了數據幀的任意推斷。當然，如果我有任何錯誤，它可能會改變。無論如何，我希望這是有幫助的。

#> DF 
# CHROM POS REF  SNP INDEL 
#1  5 290 A --|T|--|--  0 
#2  5 890 A A|T|--|G  0 
#3  7 672 A A|--|C|-- +C,+CC 
#4  9 459 G A|T|--|G  -C 
#5  3 554 T A|T|--|G -GG,-A 
#6  9 987 T --|T|C|-- +GGG 
#7  21 214 G A|T|--|G  0 
#8  1 145 G G|--|--|G  0 
#9  3 554 T,C A|T|--|G -GG,-A 
#10  7 672 A,T A|--|C|-- +C,+CC 

而我認爲將是解決辦法：

ff = function(xrow) { 
    ref = as.character(xrow[3]) 
    snp = as.character(xrow[4]) 
    indel = as.character(xrow[5]) 

    if(indel == "0") { 
     alt = gsub(paste(ref, "|\\||--", sep = ""), "", snp) 
     if(nchar(alt) > 1) 
      alt = paste(strsplit(alt, "", fixed = T)[[1]], collapse = ",") 
    } 
    else { 
     indels = strsplit(indel, ",", fixed = T)[[1]] 

     if(grepl("-", indels[1], fixed = T)) { 
     alt = ref 
     ref = paste0(strsplit(ref, ",", fixed = T)[[1]], 
         gsub("-", "", indels, fixed = T), collapse = ",") 
     } 
     if(grepl("+", indels[1], fixed = T)) { 
     alt = paste0(strsplit(ref, ",", fixed = T)[[1]], 
         gsub("+", "", indels, fixed = T), collapse = ",") 
     } 
    }  

    return(cbind(CHROM = xrow[1], POS = xrow[2], REF = ref, 
       SNP = snp, INDEL = indel, ALT = alt)) 
} 
as.data.frame(t(apply(DF, 1, ff))) 
# V1 V2  V3   V4  V5  V6 
#1 5 290  A --|T|--|--  0  T 
#2 5 890  A A|T|--|G  0 T,G 
#3 7 672  A A|--|C|-- +C,+CC AC,ACC 
#4 9 459  GC A|T|--|G  -C  G 
#5 3 554 TGG,TA A|T|--|G -GG,-A  T 
#6 9 987  T --|T|C|-- +GGG TGGG 
#7 21 214  G A|T|--|G  0 A,T 
#8 1 145  G G|--|--|G  0  
#9 3 554 TGG,CA A|T|--|G -GG,-A T,C 
#10 7 672 A,T A|--|C|-- +C,+CC AC,TCC 

DF：

structure(list(CHROM = c("5", "5", "7", "9", "3", "9", "21", 
"1", "3", "7"), POS = c("290", "890", "672", "459", "554", "987", 
"214", "145", "554", "672"), REF = c("A", "A", "A", "G", "T", 
"T", "G", "G", "T,C", "A,T"), SNP = c("--|T|--|--", "A|T|--|G", 
"A|--|C|--", "A|T|--|G", "A|T|--|G", "--|T|C|--", "A|T|--|G", 
"G|--|--|G", "A|T|--|G", "A|--|C|--"), INDEL = c("0", "0", "+C,+CC", 
"-C", "-GG,-A", "+GGG", "0", "0", "-GG,-A", "+C,+CC")), .Names = c("CHROM", 
"POS", "REF", "SNP", "INDEL"), row.names = c(NA, 10L), class = "data.frame")