我有兩個 data.tables 提供跨不同染色體（類別）的序列坐標。例如：
library(data.table)
dt1 <- data.table(chromosome = c("1", "1", "1", "1", "X"),
start = c(1, 50, 110, 150, 110),
end = c(11, 100, 121, 200, 200))
dt2 <- data.table(chromosome = c("1", "1", "X"),
start = c(12, 60, 50),
end = c(20, 115, 80))
我需要創建第三個 data.table，它為包含 dt1 中所有整數的序列提供坐標，這些整數不與 dt2 中序列的任何整數重疊。例如：
dt3 <- data.table(chromosome = c("1", "1", "1", "1", "X"),
start = c(1, 50, 116, 150, 110),
end = c(11, 59, 121, 200, 200))
我需要運行它的 data.tables 非常大，因此我需要最大限度地提高性能。我曾嘗試使用 foverlaps() 函式，但無濟于事。任何幫助將不勝感激！
uj5u.com熱心網友回復：
你可以從這樣的事情開始 foverlaps
setkey(dt2,chromosome,start,end)
ds = foverlaps(dt1,dt2, type="any")
ds[,.(chromosome,
start = fcase(is.na(start) | i.start <= start,i.start,
i.end >= end, end 1),
end = fcase(is.na(end) | i.end >= end, i.end,
i.start <= start, start - 1)
)]
# chromosome start end
# <char> <num> <num>
#1: 1 1 11
#2: 1 50 59
#3: 1 116 121
#4: 1 150 200
#5: X 110 200
uj5u.com熱心網友回復：
為了完整起見，有一個使用GenomicRangesBioconductor 軟體包的簡潔解決方案：
library(GenomicRanges)
setdiff(makeGRangesFromDataFrame(dt1), makeGRangesFromDataFrame(dt2))
GRanges object with 5 ranges and 0 metadata columns: seqnames ranges strand <Rle> <IRanges> <Rle> [1] 1 1-11 * [2] 1 50-59 * [3] 1 116-121 * [4] 1 150-200 * [5] X 110-200 * ------- seqinfo: 2 sequences from an unspecified genome; no seqlengths
如果要求結果是類data.table：
library(data.table) # development version 1.14.3 used
library(GenomicRanges)
setdiff(makeGRangesFromDataFrame(dt1), makeGRangesFromDataFrame(dt2)) |>
as.data.table() |>
DT(, .(chromosome = seqnames, start, end))
chromosome start end <fctr> <int> <int> 1: 1 1 11 2: 1 50 59 3: 1 116 121 4: 1 150 200 5: X 110 200
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/394325.html
上一篇：繪圖熱圖的緩慢瀏覽器渲染
下一篇：性能：在迭代時根據選項更改資料