мутировать столбцы для определения количества вариантов - PullRequest
Новая
       10

мутировать столбцы для определения количества вариантов

0 голосов
/ 28 января 2019

Я новичок в R. У меня есть фрейм данных со многими ссылками и множеством образцов.Я хотел бы написать функцию для подсчета количества вариантов, например, если генотип выборки равен столбцу ref, он равен 0, если он равен столбцу het, равен 1 и если он равен столбцу риска, это идет 2. 

df:
SNP    ref  het risk Sample1 Sample2 ...
rs1     GG  AG  AA  AG  GG
rs2     AA  AG  GG  AG  AA
rs3     AA  AG  GG  AG  AG
rs4     GG  AG  AA  AG  AA
rs5     GG  AG  AA  AG  AA
rs6     GG  AG  AA  AG  AG
rs7     AA  AG  GG  AA  AA
rs8     CC  AC  AA  AC  CC
rs9     GG  AG  AA  GG  GG
rs10    GG  AG  AA  GG  AG
rs11    AA  AG  GG  AA  GG
rs12    GG  AG  AA  AA  AG
rs13    GG  AG  AA  AG  AA
rs14    AA  AG  GG  AG  AA
rs15    GG  AG  AA  AA  AA
rs16    AA  AC  CC  AA  AA
rs17    AA  AG  GG  AA  AA
rs18    GG  AG  AA  GG  GG
rs19    GG  AG  AA  GG  AG
rs20    GG  AG  AA  AG  AG
...

desired output:
SNP     ref het risk Sample1 Sample2 Sample1.vd Sample2.vd ...
rs1     GG  AG  AA  AG  GG  1   0
rs2     AA  AG  GG  AG  AA  1   0
rs3     AA  AG  GG  AG  AG  1   1
rs4     GG  AG  AA  AG  AA  1   2
rs5     GG  AG  AA  AG  AA  1   2
rs6     GG  AG  AA  AG  AG  1   1
rs7     AA  AG  GG  AA  AA  0   0
rs8     CC  AC  AA  AC  CC  1   0
rs9     GG  AG  AA  GG  GG  0   0
rs10    GG  AG  AA  GG  AG  0   1
rs11    AA  AG  GG  AA  GG  0   2
rs12    GG  AG  AA  AA  AG  2   1
rs13    GG  AG  AA  AG  AA  1   2
rs14    AA  AG  GG  AG  AA  1   0
rs15    GG  AG  AA  AA  AA  2   2
rs16    AA  AC  CC  AA  AA  0   0
rs17    AA  AG  GG  AA  AA  0   0
rs18    GG  AG  AA  GG  GG  0   0
rs19    GG  AG  AA  GG  AG  0   1
rs20    GG  AG  AA  AG  AG  1   1   
...

Я пытался написать функцию, а затем использовать функцию применения. 

VariantDetected <- function(df) {
x <- which(df[5:length(df)] == df[,c("ref","het","risk_hom")])
return(x)
}
apply(df, 1, VariantDetected)

Но это приводит к ошибке, любой совет?Спасибо.

Ответы [ 2 ]

0 голосов
/ 28 января 2019

Использовать пакет dplyr проще, поскольку он делает ваш код более читабельным.Если вы не возражаете против типа данных ваших столбцов, вы можете удалить вторую последнюю строку в функции.Я надеюсь, что это поможет вам. 

#Needed library---------
library(dplyr)
# Your function------------
VariantDetected <- function(dataset) {
df1 <- data.frame(sapply(dataset, function(x) as.character(x)),stringsAsFactors = F)
df1 <- df1 %>% mutate(Sample1.vd = ifelse(Sample1 == ref,0,ifelse(Sample1 == het,1,2)),
                    Sample2.vd = ifelse(Sample2 == ref,0,ifelse(Sample2 == het,1,2)))
df1[1:6] <- data.frame(sapply(df1[1:6], function(x) as.factor(x))) # you can delete this line if you dont mind the first 6 columns to be charecters
return(df1)
}
#execute it on your dataset-----------
df <- VariantDetected(df)

С уважением / Ревант Немани

0 голосов
/ 28 января 2019

Я думаю, вам понадобится вложенный ifelse здесь 

df[paste0("Sample", seq_along(5:ncol(df)), ".vd")] <- t(apply(df, 1, function(x) 
                  ifelse(x[5:length(x)] == x["ref"], 0,
                  ifelse(x[5:length(x)] == x["het"], 1, 2))))


df
#    SNP ref het risk Sample1 Sample2 Sample1.vd Sample2.vd
#1   rs1  GG  AG   AA      AG      GG          1          0
#2   rs2  AA  AG   GG      AG      AA          1          0
#3   rs3  AA  AG   GG      AG      AG          1          1
#4   rs4  GG  AG   AA      AG      AA          1          2
#5   rs5  GG  AG   AA      AG      AA          1          2
#6   rs6  GG  AG   AA      AG      AG          1          1
#7   rs7  AA  AG   GG      AA      AA          0          0
#8   rs8  CC  AC   AA      AC      CC          1          0
#9   rs9  GG  AG   AA      GG      GG          0          0
#10 rs10  GG  AG   AA      GG      AG          0          1
#....

Или, если вы хотите использовать его как функцию 

VariantDetected <- function(x) {
   ifelse(x[5:length(x)] == x["ref"], 0,
        ifelse(x[5:length(x)] == x["het"], 1, 2))
}

df[paste0("Sample", seq_along(5:ncol(df)), ".vd")]<-t(apply(df, 1, VariantDetected))

data 

df <- structure(list(SNP = structure(c(1L, 12L, 14L, 15L, 16L, 17L, 
18L, 19L, 20L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 13L), .Label = 
c("rs1", 
"rs10", "rs11", "rs12", "rs13", "rs14", "rs15", "rs16", "rs17", 
"rs18", "rs19", "rs2", "rs20", "rs3", "rs4", "rs5", "rs6", "rs7", 
"rs8", "rs9"), class = "factor"), ref = structure(c(3L, 1L, 1L, 
3L, 3L, 3L, 1L, 2L, 3L, 3L, 1L, 3L, 3L, 1L, 3L, 1L, 1L, 3L, 3L, 
3L), .Label = c("AA", "CC", "GG"), class = "factor"), het = 
structure(c(2L, 
2L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 
2L, 2L, 2L), .Label = c("AC", "AG"), class = "factor"), risk = 
structure(c(1L, 
3L, 3L, 1L, 1L, 1L, 3L, 1L, 1L, 1L, 3L, 1L, 1L, 3L, 1L, 2L, 3L, 
1L, 1L, 1L), .Label = c("AA", "CC", "GG"), class = "factor"), 
Sample1 = structure(c(3L, 3L, 3L, 3L, 3L, 3L, 1L, 2L, 4L, 
4L, 1L, 1L, 3L, 3L, 1L, 1L, 1L, 4L, 4L, 3L), .Label = c("AA", 
"AC", "AG", "GG"), class = "factor"), Sample2 = structure(c(4L, 
1L, 2L, 1L, 1L, 2L, 1L, 3L, 4L, 2L, 4L, 2L, 1L, 1L, 1L, 1L, 
1L, 4L, 2L, 2L), .Label = c("AA", "AG", "CC", "GG"), class = "factor"), 
Sample1.vd = c(1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 2, 1, 1, 
2, 0, 0, 0, 0, 1), Sample2.vd = c(0, 0, 1, 2, 2, 1, 0, 0, 
0, 1, 2, 1, 2, 0, 2, 0, 0, 0, 1, 1)), row.names = c(NA, -20L
), .Names = c("SNP", "ref", "het", "risk", "Sample1", "Sample2", 
"Sample1.vd", "Sample2.vd"), class = "data.frame")
...