检测中频范围重叠-MATLAB

我有一个脚本，目的是检测染色体上基因之间的间隙，这些间隙的坐标，并为间隙指定一个类别

它采用以下格式的输入文件：

Chr     start   finish  dir
chrI    335     649     +
chrI    538     792     +
chrI    1807    2169    -
chrI    2480    2707    +
chrI    7235    9016    -
chrI    10091   10399   +
chrI    11565   11951   -
chrI    12046   12426   +
chrI    13363   13743   -
chrI    21566   21850   +
chrI    22395   22685   -
chrI    24000   27968   -
chrI    31567   32940   +
chrI    33448   34701   +

脚本：

k = 0;
for i=1:(length(start)-1)
    if start(i+1)<finish(i)
        continue
    else
    end
    k = k+1;
    IGR(k,1) = finish(i)+1;
    IGR(k,2) = start(i+1)-1;
    if dir{i}=='+' && dir{i+1}=='-'
        type{k,1} = 'Convergent';
    end
    if dir{i}=='+' && dir{i+1}=='+'
        type{k,1} = 'Tandem';
    end
    if dir{i}=='-' && dir{i+1}=='+'
        type{k,1} = 'Divergent';
    end
    if dir{i}=='-' && dir{i+1}=='-'
        type{k,1} = 'Tandem';
    end
end

期望的结果是系统检测到基因1-3彼此重叠，从而忽略它们——在基因3和4之间检测到第一个间隙：

红色方块表示我试图检测的区域，而忽略重叠的基因（因为它们不会产生缺口）。蓝色区块显示了chrII开始的每个单独基因

有人对检查重叠的更可靠的方法有什么建议吗

编辑：

我的完整输入文件包含按染色体排序的基因，即：

Chr     start   finish  dir
chrI    335     649     +
chrI    538     792     +
chrI    1807    2169    -
chrI    2480    2707    +
chrI    7235    9016    -
chrII   280     2658    -
chrII   646     1128    +
chrII   2582    2899    -
chrII   2997    5009    -
chrII   5790    6125    +
chrII   7605    7733    -

---

任何检测重叠的方法都不得跨越染色体边界，一旦chrI结束且chrII开始，必须刷新该过程，以使chrI上的最后一个基因不会与chrII上的第一个基因进行检查

根据您的问题，我假设您已经在两个向量中获得了每个范围的开始值和结束值：

start = [ 280
          646
          2582
          2997
          5790
          7605 ];
finish = [ 2658
           1128 
           2899
           5009
           6125
           7733 ];

现在，两个范围重叠，当且仅当其中一个范围在另一个范围完成之前开始时。所以

overlap = bsxfun(@lt, start(:), finish(:).'); %'// or @le to include equality
overlap = overlap & overlap.';

给出一个正方形对称矩阵

重叠

，这样

重叠（m，n）

在范围

m

和

n

重叠时为

1

。您可能希望删除对角线（一个范围显然与其自身重叠，但这并不有趣）：

示例输出的结果是

overlap =
     0     1     1     0     0     0
     1     0     0     0     0     0
     1     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0

---

它告诉您范围1和2重叠，范围1和3也重叠（请注意，范围2和3不重叠）。

将脚本的第三行更改为

if start(i+1)<max(finish(1:i))

这就是你想要的

---

Balle

这似乎对单个染色体很有效，但当试图处理完整输入时（参见编辑），它会中断并在

IGR

和

type

中产生的值远远小于正确值。假设数据首先在

chr

上排序，然后在

开始

上排序，您可以添加一个初始测试，检查当前的

chr

是否与上次的测试不同。如果它发生了变化，通过将itequal设置为发生变化的

i

，记住当前位置（比如我们称之为

index\u of_last\u chromose\u end

）。然后，if语句将读取

if开始（i+1）有趣的方法！我正在努力决定如何最好地将它合并到for循环中的脚本中，有什么建议吗？如果我理解正确，要在循环中使用它，在每次迭代
I
时，您需要一行我的
重叠
矩阵，即
I
-第四行。因此，您可以在循环外预计算
overlap
，然后在循环内使用类似
if any（overlap（i，1:i-1））
，或
if any（overlap（i，i+1））
，根据您想要检查的内容，任何一个仍然会为chrII数据生成不正确的结果，
IGR
中的第一个条目应该是
2900 2906
，但它是
1129 2581
。我在OP中添加了一个图表，希望澄清重叠检测的要求。
overlap =
     0     1     1     0     0     0
     1     0     0     0     0     0
     1     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0

if start(i+1)<max(finish(1:i))

2900-2996: Tandem
5010-5789: Divergent
6126-7604: Convergent