Как перебрать столбец и, если шаблон соответствует, подсчитать связанные символы в других столбцах, используя R? - PullRequest
Новая
       5

Как перебрать столбец и, если шаблон соответствует, подсчитать связанные символы в других столбцах, используя R?

0 голосов
/ 21 января 2020

0

У меня есть фрейм данных (изображение прилагается) с 1000 строками и 21 столбцом, первый столбец которого содержит имена генов miRNA, а другие столбцы показывают каждый нуклеотид в каждой позиции: (изображение прилагается)

То, что я хочу, это сделать al oop над первым столбцом, и если мой шаблон персонажа будет сопоставлен в столбце, например, «Ami-Mir-489» (не считайте p1 и p2), то для каждой позиции (pos_1, pos_2, ..., pos_20) рассчитать частоту каждого нуклеотида в отдельности.

введите описание изображения здесь

1 Ответ

0 голосов
/ 21 января 2020

Я думаю, что лучший способ сделать это был бы с помощью следующих пакетов dplyr, tidyr и magrittr.

Сначала вы должны сгенерировать воспроизводимый пример 

library(magrittr)
library(dplyr)
library(tidyr)
#Reproducible example
Nucleo <- c("A","T","G","C")
df <- data.frame(gene=paste0("Gene",1:20))
for(x in 1:21){
  df[[paste0("pos_",x)]] <- sample(Nucleo, 20, replace = T)
}

Далее мы сделаем блок данных аккуратным, чтобы мы могли им манипулировать. 

df <- gather(df, key = "Position", value = "Nucleotide", -gene)

frequency <- df %>%
  group_by(gene, Nucleotide) %>% #specify which groups we will mutate on
  mutate(NucleotitdeCount=n()) %>% #For each gene and Nucleotide type - Count total
  select(gene, Nucleotide, NucleotitdeCount) %>% #Specify Columns we need
  distinct() %>% ungroup() %>% #reduce size to unique instances
  group_by(gene) %>%  #Regroup by gene to mutate over nucleotide counts
  mutate(relativeFreq=NucleotitdeCount/sum(NucleotitdeCount)) #Calculate Relative Frequency

Я считаю, что лучше оставить данные как есть, но если вы хотите вернуть их в длинный формат: 

freqLong <- frequency %>%
         select(gene, Nucleotide, relativeFreq) %>%
         spread(key = "Nucleotide", value = "relativeFreq")

Оставив его в прежней форме, можно легко сделать визуализацию с пакетом ggplot2 

library(ggplot2)

ggplot(frequency, aes(gene, relativeFreq, fill = Nucleotide)) + 
  geom_bar(stat = "identity", position = "stack")

Преимущество такого способа состоит в том, что вам не нужно беспокоиться о фильтрации вначале.

Однако, если вы сначала захотите sh отфильтровать гены, это также можно сделать с помощью функции dplyr filter

Я рекомендую использовать ее вместе с grepl для сопоставление с образцом. это пример, где я сопоставляю «seto» в столбце «Виды» набора данных iris

iris %>% filter(grepl(pattern = "seto", x = Species)) %>% head()
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#1          5.1         3.5          1.4         0.2  setosa
#2          4.9         3.0          1.4         0.2  setosa
#3          4.7         3.2          1.3         0.2  setosa
#4          4.6         3.1          1.5         0.2  setosa
#5          5.0         3.6          1.4         0.2  setosa
#6          5.4         3.9          1.7         0.4  setosa
...