R 在一列中查找与其他几列相比唯一的字母，按段进行计数并打印其位置

我试图为Skov方法准备一个输入文件，以查看海豚种群中的幽灵祖先

我有一个如下所示的数据集：

chr  pos ind0 ind1 ind2 ind3 ind4 ind5 ind6 ind7 ind8 ind9 ind10

MRVK01001299.1 972    C    C    T    N    C    C    T    N    N    C     C

MRVK01001299.1 973    G    G    G    N    G    G    G    N    N    G     G

MRVK01001299.1 997    C    T    T    T    T    T    T    T    T    T     T

MRVK01001299.1 999    A    T    T    N    T    T    T    T    T    T     T

MRVK01001299.1 1018   A    C    T    N    T    C    C    T    T    T     T

MRVK01001299.1 1086   A    T    T    T    T    T    T    T    T    T     T

MRVK01001299.1 2125   C    C    T    N    C    C    T    N    N    C     C

MRVK01001299.1 2456   G    G    G    N    G    G    G    N    N    G     G

数据是支架、位置，然后是在每个个体中发现的等位基因（A、T、C、G、N）。我将一个特定的个体（ind0）与其他个体进行比较，看看他是否有私人等位基因簇。如果是这样的话，这可能表明他来自我们没有取样的群体（幽灵群体）。chrm和pos列表示宽吻海豚参考基因组中的位置

这是对我的数据集的前8行（共43500行）前3个个体（共22个个体）的

dput（）

的结果：

请注意，上表是一个包含私有等位基因的示例，但第一行不包含任何等位基因

我想确定在

ind0

中唯一找到字母的位置（

pos

）。“N”不会被视为不同的字母。例如，位置997、999和1086有一个唯一的值

然后，我想计算一下有多少次

ind0

在position（

pos

）列中有一个1000个私人字母的序列。并打印每个箱子的私有等位基因位置。因此这将是（需要输出文件）：

因为我们有两个位置（位置997999），其中

ind0的唯一值在0和1000之间，1在1000和2000之间（位置1086），0在2000和3000之间。最大值将超过20000000

@zx87754提供了下面的代码，我想添加“
print
”私有等位基因的位置。我没有在论坛上找到帮助，除了打印或awk功能可能在这里有所帮助

确定哪些SNPs
ind0
有一个私有等位基因-“N”不作为缺失数据计算为不同的等位基因：

res1 <- df1[ rowSums(df1$ind0 == df1 [, -c(1:3)]) == 0 &
               apply(df1 [, -c(1:3)], 1, function(i) length(unique(i[ i != "N" ]))) == 1, ]

Count the number of positions with a private allele for ind0 in bins of 1000 bp:

res2<-table(cut(res1$pos, c(seq(0, 23092000, by=1000))))

res1
#数据
种子（42）
d=数据帧（chr=“A”，
位置=1:20，
ind0=样本（x=c（“A”、“c”、“T”、“G”、“N”），
尺寸=20，
replace=TRUE，
prob=c（.24、.24、.24、.24、.04）））
d$ind1=d$ind0
d$ind1[样本（1:20，5）]=样本（x=c（“A”、“c”、“T”、“G”、“N”），
尺寸=5，
replace=TRUE，
prob=c（.24、.24、.24、.24、.04））
d$ind2=d$ind1
#将列ind1子集到末尾，并获得每行的唯一值
所有行=应用（X=d[！colnames（d）%in%c（“chr”、“pos”、“ind0”）]，
保证金=1，
乐趣=功能（x）{
if（长度（唯一（x））==1&x[1]！=“N”）{
x[1]
}否则{
NA
}
})
#标识ind0与所有_行不同的行索引
inds=其中（d[，“ind0”！=所有行都是.na（d[，“ind0”]））
#使用IND提取所需的数据
d$pos[IND]
#> [1]  5 19 20
d[inds，]
#>chr pos ind0 ind1 ind2
#>5A 5G A
#>19 A 19 T C
#>20A 20G A

由（v0.3.0）于2019-08-30创建

对于装箱和计数，您可以这样做

positions=d$pos[inds]
箱子=序号（0、20、5）
ans=聚合（列表（位置=位置），列表（b=切割（位置，箱子）），c）
ans$n=长度（ans$pos）
ans
#b位置n
#1   (0,5]      5 1
#2 (15,20] 19, 20 2
非常感谢，然后我希望每个箱子的私人站点数量为1000个，并且打印位置。我已经编辑了上面的帖子，并指出了所需的输出文件。非常感谢。我还没有成功修改以下内容。如果个人有一个字母，例如“a”，而其他所有人都有一个字母“t”，那么总共有22个人或者“N”，它仍然是私有的（不仅仅是在有一个“N”的情况下）。我还想打印计数为0的箱子。因此，所有箱子（在我的情况下，在0到20000000之间，步骤为1000）都将显示私有位置计数（包括0），如果有私有位置，则位置将打印在计数旁边。
0 2 997, 999

1000 1 1086

2000 0

etc

res1 <- df1[ rowSums(df1$ind0 == df1 [, -c(1:3)]) == 0 &
               apply(df1 [, -c(1:3)], 1, function(i) length(unique(i[ i != "N" ]))) == 1, ]

Count the number of positions with a private allele for ind0 in bins of 1000 bp:

res2<-table(cut(res1$pos, c(seq(0, 23092000, by=1000))))