r - 如何找到一列中与另一个数据框的范围匹配的单元格数？

Question

我有一个像这样的 data.frame1:

Input_SNP_CHR   Input_SNP_BP     Set_1_CHR   Set_1_BP     Set_2_CHR   Set_2_BP     Set_3_CHR   Set_3_BP
    chr4         184648954        chr18      63760782       chr7      135798891      chr7        91206783  
    chr13        45801432         chr14      52254555       chr1      223293324      chr4        184648954
    chr18        71883393         chr22      50428069       chr7      138698825      chr18       63760782

我有另一个 data.frame2 像:

CHR     BP1             BP2             Score   Value
chr1    29123222        29454711        -5.7648 599
chr13   45799118        45986770        -4.8403 473
chr5    46327104        46490961        -5.3036 536
chr6    50780759        51008404        -4.4165 415
chr18   63634657        63864734        -4.8096 469
chr1    77825305        78062178        -5.4671 559

我想找出 data.frame1 中每对(一对是 Input_SNP_CHR 和 Input_SNP_BP)中有多少行都匹配一个 CHR 并落在 data.frame2 的 BP1 和 BP2 之间。例如，在我的第一对(Input_SNP 对)中，我有一个匹配项。这是第二行，其中 Input_SNP 的 CHR (chr13) 和 BP (45801432) 与 data.frame2 中的 CHR (chr13) 和 BP 范围(45799118 和 45986770 之间)匹配的一行。对于我的第二对(Set_1 对)，我也有 1 个匹配项 (chr18) 和 BP 63760782 通过 chr18 和 BP 范围与 data.frame2 的第 5 行匹配。

我想要的输出是:

Input_SNP     Set_1     Set_2     Set_3
1             1         0         1

我将如何在 R 中执行此操作？

Answer 1

这是使用 data.table 的另一种可能的解决方案。首先我们将数据melt成long格式，根据第一个df列名添加一个Set列，然后运行foverlaps 结合 table 以检查频率

library(data.table) # v 1.9.6+
Ldf <- melt(setDT(df), measure = patterns("CHR", "BP")) # Create a column for BP and CHR
Names <- unique(sub("(.*_.*)_.*", "\\1", names(df))) # Creates a sets names indx
setnames(Ldf[, variable := factor(Names[variable])], c("Set", "CHR", "BP1")) # Rename   
Ldf[, BP2 := BP1] # Creating right boundary for foverlaps
setkeyv(Ldf, names(Ldf)[-1]) # Keying for foverlaps
table(foverlaps(setDT(df2), Ldf, nomatch = 0L)$Set) # Running fovelaps and checking freqs 
# Input_SNP     Set_1     Set_2     Set_3 
#         1         1         0         1