r - 基于多列隔离数据区域

Question

我有一个数据集，此处缩写为:

SNP chr       BP log10   PPA
rs10068  17 56555 1.16303 0.030
rs10032  17 56561 26.364 0.975
rs10354  17 34951 4.3212 0.626
rs10043  17 20491 0.00097 0.006
rs10457  17 69572 -0.38403 0.014
rs10465  17 69872 8.19547 0.927

其中 PPA 是关联的后验概率。由于我有一些较高的 log10 值 (>6)，我想确定这些区域周围的可信区间，以准确确定它们的大小。

为此，我首先想识别 log10 > 6 的 SNP，使用子集就足够简单了。

newdata <- subset(data, log10 > 6)

但是，我还想在此子集中包含物理上靠近这些先导 SNP 的 SNP，使用 BP 500 +/- 前导 SNP 的 BP(log10>6)。正是在这里，我不确定继续进行的最佳方法。我可以将其纳入子集，还是应该首先在原始数据中识别这些先导 SNP，然后从中提取子集？

一旦我隔离了这些区域，我就可以继续前进。

如有任何建议，我们将不胜感激!

Answer 1

s <- read.table(header=T, text="SNP chr       BP log10   PPA
rs10068  17 56555 1.16303 0.030
rs10032  17 56561 26.364 0.975
rs10354  17 34951 4.3212 0.626
rs10043  17 20491 0.00097 0.006
rs10457  17 69572 -0.38403 0.014
rs10465  17 69872 8.19547 0.927")

到 s$log10 > 6 的任何行的距离:

outer(s$BP[s$log10 > 6], s$BP, '-')
##       [,1]  [,2]  [,3]  [,4]   [,5]   [,6]
## [1,]     6     0 21610 36070 -13011 -13311
## [2,] 13317 13311 34921 49381    300      0

上面任何绝对值 < 500 的列都是您要保留的列:

s[apply(outer(s$BP[s$log10 > 6], s$BP, '-'), 2, function(x) any(abs(x) < 500)),]
##       SNP chr    BP    log10   PPA
## 1 rs10068  17 56555  1.16303 0.030
## 2 rs10032  17 56561 26.36400 0.975
## 5 rs10457  17 69572 -0.38403 0.014
## 6 rs10465  17 69872  8.19547 0.927