檢查指定變量中的「字符串」表達式是否包含在其他幾個變量中

Question

這是一個非常基本的問題......我確信它寫在這裏的某處......我試圖創建一個新變量（遺傳學數據）

例如（對於那些不知道遺傳學的人）： 對於一個家庭（每行一個），我有父親，母親和孩子基因型表示爲A/G，G/A，G/G（作爲單獨的變量）。我想創建一個新的0/1或False/True變量，告訴我孩子的等位基因1是否在母親基因型的任一等位基因中出現，或者在父親基因型的任一等位基因中出現。同樣對於等位基因2.

我嘗試使用regexpr如下，以R：

vcf_GT$MVLR <- regexpr(c(sapply(strsplit(as.character(vcf_GT[,10]),"/"),function(x) x[1])), 
(sapply(strsplit(as.character(vcf_GT[,10]),"/"),function(x) x[2])), 
(c(c(sapply(strsplit(as.character(vcf_GT[,9]),"/"),function(x) x[1])), 
(sapply(strsplit(as.character(vcf_GT[,9]),"/"),function(x) x[2])), 
c(sapply(strsplit(as.character(vcf_GT[,8]),"/"),function(x) x[1])), 
(sapply(strsplit(as.character(vcf_GT[,8]),"/"),function(x) x[2]))))) > 0 

與代表兒童的基因型的柱10，及圖9和圖8分別表示母親和父親的。這很乏味，我可能忘記了這裏的括號。

必須有一個更簡單的方法來檢查與母親和父親的孩子的基因型。

在此先感謝！

P.S.如果我沒有道理 - 我會嘗試添加更多細節。

編輯：雖然我的代碼實際上是一個巨大的線，按要求我增加了回報，它更容易閱讀（不過，它的種很難不管:)）

Answer 1

如果你想要的是簡單地看匹配母親或父親的等位基因，你不一定需要正則表達式能夠做到這一點。您可以使用%in%運算符（也稱爲match()函數）執行此操作，但我更喜歡此語法。

讓我們設置我們的基因型數據框。請注意，最後一個「家庭」是孩子與母親有不同等位基因的地方。

x <- data.frame(list(mom = c("A/G", "C/C", "C/A"), 
        dad = c("G/A", "T/T", "A/A"), 
        child = c("G/G", "T/T", "A/T") 
        ), stringsAsFactors = FALSE) 

現在，我們可以設置我們的功能來檢查孩子的等位基因。您必須將c(1,2,3)更改爲c(8,9,10)才能在您的數據集上工作，但它應該可以工作。這是我們將在數據框的每一行使用的函數。它將分割家族的所有基因型，將孩子與母親和父親進行比較，然後確定孩子的基因型是否與任一父母匹配。

check_child_allele <- function(x) { 
    fam <- strsplit(as.character(x[c(1, 2, 3)]), "/") 
    names(fam) <- c("mom", "dad", "child") 
    mom_query <- fam[["child"]] %in% fam[["mom"]] 
    dad_query <- fam[["child"]] %in% fam[["dad"]] 
    fam_matrix <- matrix(c(mom = mom_query, dad = dad_query), nrow = 2) 
    child_match_parents <- rowSums(fam_matrix) 
    child_geno <- ifelse(child_match_parents < 1, FALSE, TRUE) 
    return(child_geno) 
} 

檢查示例。

apply(x, 1, check_child_allele) 

##  [,1] [,2] [,3] 
## [1,] TRUE TRUE TRUE 
## [2,] TRUE TRUE FALSE 

更改數據框以表示與父母都不匹配的孩子。

y <- x 
y[2, 3] <- "A/G" # Adding a child that has no alleles in common with parents 
apply(y, 1, check_child_allele) 

##  [,1] [,2] [,3] 
## [1,] TRUE FALSE TRUE 
## [2,] TRUE FALSE FALSE 

一個側面說明，可能不相關的工作：

一件事，你可能會擔心的是，這將檢查等位基因存在於父母任何一方，但它會不檢查父母雙方是否確實可能是父母。第一個數據框中的第二組基因型是一個例子，因爲孩子是「T/T」，但母親是「C/C」。

希望有幫助！

Answer 2

首先，如果你發現自己一遍又一遍地做同樣的事情，寫一個函數。因此，而不是

c(sapply(strsplit(as.character(vcf_GT[,10]),"/"),function(x) x[1]))... 

寫一個小包裝：

myfun <- function(var1, var2, dat=vcf_GT) { 
    sapply(strsplit(as.character(dat[,var1], '/'), 
      function(x) x[var2]) 
} 

現在你在上面粘貼的東西變成類似：

regexpr(c(myfun(10, 1), 
      myfun(10, 2)... 

不過，我覺得還有一個更簡單的方法..

爲了解決這樣的問題（或任何種類的問題），我通常把它分解成塊。與單一的「行」開始，就像你給寫你想要什麼的一些功能（對不起，如果我已經得到了這個錯誤，但那是混亂的代碼！）...

dad = 'A/G' 
mom = 'G/A' 
kid = 'G/G' 

splt <- function(x) unlist(strsplit(x, '/')) 
comp <- function(x, y) c(x[1] %in% y, x[2] %in% y) 

comp(splt(kid), splt(dad)) 

從那裏你是一個apply從一個data.frame這樣走：

## make some data 
possible <- expand.grid(c('C', 'T', 'A', 'G'), 
         c('C', 'T', 'A', 'G')) 

gen <- function(n, pos=possible) { 
    res=possible[sample(1:nrow(possible), n, replace=TRUE),] 
    return (paste(res[,1], res[,2], sep='/')) 
} 

n <- 10 
dat <- data.frame(mom=gen(n), dad=gen(n), kid=gen(n)) 

# put both functions together 
splt_and_comp <- function(x, y) { 
    x <- splt(x) 
    y <- splt(y) 

    comp(x, y) 
} 

# you could do this with `apply` as well... 
mapply(splt_and_comp, dat$kid, dat$mom) 

---

FWIW，當前的代碼調用regexpr有三個參數如下。它非常好的人能發揮作用，但不可能閱讀和額外的括號遍：

first_arg <- c(sapply(strsplit(as.character(vcf_GT[,10]), "/"), 
         function(x) x[1])) 

second_arg <- (sapply(strsplit(as.character(vcf_GT[, 10]), "/"), 
         function(x) x[2])) 

third_arg <- (c(c(sapply(strsplit(as.character(vcf_GT[,9]),"/"), 
          function(x) x[1])), 
        (sapply(strsplit(as.character(vcf_GT[,9]),"/"), 
          function(x) x[2])), 
        c(sapply(strsplit(as.character(vcf_GT[,8]),"/"), 
          function(x) x[1])), 
        (sapply(strsplit(as.character(vcf_GT[,8]),"/"), 
          function(x) x[2]))))