R - 從幾列中檢索特定信息

Question

我有一個巨大的數據框df，其中包括重疊間隔（A）和（B）以及它們所在的染色體（染色體）的信息。還有關於區間（A）觀察到的值（基因表達水平）的信息。

chrom value Astart  Aend Bstart  Bend 
chr1  0   0 54519752  17408  17431 
chr1  0   0 54519752  17368  17391 
chr1  0   0 54519752 567761 567783 
chr11  0   2 93466832 568111 568133 
chr11  0   2 93466832 568149 568171 
chr11  0   2 93466832 1880734 1880756 
chr11  4 93466844 93466880 93466856 93466878 
chr11  2 93466885 135006516 93466889 93466911 
chr11  2 93466885 135006516 94199710 94199732 

注意，相同的間隔可以出現多次，例如，間隔（B）將已經報道了兩次，如果它具有兩個（A）的時間間隔重疊：

Astart(1)=========================Aend1 Astart(2)========================Aend(2) 
      Bstart(1)=======================================Bend(1) 

chrom value Astart Aend Bstart Bend 
chr1  0  0  25  15 35 #A(1) and B(1) overlap 
chr1  1  28  45  15 35 #A(2) and B(1) overlap 

同樣，的間隔（A）將已報導兩次或更多次，如果它具有兩個或多個（B）的時間間隔重疊：

Astart(3)===================================================================Aend(3) 
      Bstart(2)=========Bend(2) Bstart(3)===========Bend(3) Bstart(4)===============Bend(4) 

chrom value Astart Aend Bstart Bend 
chr4  0  10 100  15 25 #A(3) and B(2) overlap 
chr4  0  10 100  30 75 #A(3) and B(3) overlap 
chr4  3  10 100  80 120 #A(3) and B(4) overlap 

我的目標是輸出所有從區間（B）的各個位置和受文者（A）的積分值。我有一段代碼，完美地輸出（B）中的所有相關崗位：

position <- unlist(mapply(seq, ans$Bstart, ans$Bend - 1)) 
> head(position) 
[1] 17408 17409 17410 17411 17412 17413 

這裏的問題是，它是不夠的檢索染色體信息從那裏回來。當我列出這些位置時，我需要同時檢查染色體信息和位置。這是因爲相同的位置整數可能發生在幾條染色體上，所以我不能在這之後運行諸如for position %in% range(Astart, Aend) output $chrom, $value（虛擬代碼）之類的東西。

如何在同一時間檢索(chrom, position, value)？

預期的結果會是這樣的：

> head(expected_result) 
chrom position value 
chr1  17408  0 
chr1  17409  0 
chr1  17410  0 
chr1  17411  0 
chr1  17412  0 
chr1  17413  0 
#skipping some lines to show another part of the dataframe 
chr11 93466856 4 
chr11 93466857 4 

Answer 1

到ddply呼叫可以更優雅，但邏輯是相同的：

dfA = read.table(textConnection("chrom value Astart  Aend Bstart  Bend 
chr1  0   0 54519752  17408  17431 
chr1  0   0 54519752  17368  17391 
chr1  0   0 54519752 567761 567783 
chr11  0   2 93466832 568111 568133 
chr11  0   2 93466832 568149 568171 
chr11  0   2 93466832 1880734 1880756 
chr11  4 93466844 93466880 93466856 93466878 
chr11  2 93466885 135006516 93466889 93466911 
chr11  2 93466885 135006516 94199710 94199732"), header = TRUE) 


dfB = as.data.frame(do.call(rbind, 
     apply(dfA, MARGIN = 1, FUN = function(x) { 
      cbind(mapply(seq, 
         as.numeric(x['Bstart']), 
         as.numeric(x['Bend']) - 1), 
       x['chrom'], x['value']) 
     } 
     ))) 
lapply(dfB, typeof)