在R中的数据帧范围中发现重叠

Posted 2023-02-14

我有两个bedfile作为R中的数据帧，我想为其相互映射所有重叠区域（类似于最接近的bedtool能够执行的操作。

BedA：

chr   start   end
 2       100     500
 2       200     250
 3       275     300

床单：

chr    start    end
  2       210      265
  2       99       106
  8       275      290

BedOut：

chr   start.A   end.A  start.B  end.B
 2       100     500      210      265
 2       100     500      99       106
 2       200     250      210      265

[现在，我发现this非常相似的问题，建议使用iRanges。使用建议的方法似乎可行，但我不知道如何将输出转换为“ BedOut”之类的数据框。

答案

这里是使用data.table软件包的解决方案。

library(data.table)

chr = c(2,2,3)
start.A = c(100, 200, 275)
end.A = c(500, 250, 300)
df_A = data.table(chr, start.A, end.A)

chr = c(2,2,8)
start.B = c(210, 99, 275)
end.B = c(265, 106, 290)
df_B = data.table(chr, start.B, end.B)

首先，内部联接键chr上的数据表：

df_out = df_B[df_A, on="chr", nomatch=0]

然后过滤重叠间隔：

df_out = df_out[(start.A>=start.B & start.A<=end.B) | (start.B>=start.A & start.B<=end.A)]
setcolorder(df_out, c("chr", "start.A", "end.A", "start.B", "end.B"))

   chr start.A end.A start.B end.B
1:   2     100   500     210   265
2:   2     100   500      99   106
3:   2     200   250     210   265

另一答案

使用data.table的另一个foverlaps选项：

setkeyv(BedA, names(BedA))
setkeyv(BedB, names(BedB))
ans <- foverlaps(BedB, BedA, nomatch=0L)
setnames(ans, c("start","end","i.start","i.end"), c("start.A","end.A","start.B","end.B"))

输出：

   chr start.A end.A start.B end.B
1:   2     100   500      99   106
2:   2     100   500     210   265
3:   2     200   250     210   265

数据：

library(data.table)
BedA <- fread("chr   start   end
2       100     500
2       200     250
3       275     300")

BedB <- fread("chr    start    end
2       210      265
2       99       106
8       275      290")