R：使用R查找重叠区域

我有一个数据集，其中包含特定位置（脚手架）上分段的初始和最终位置，如果在同一个脚手架中存在分段，则其中一些分段与其他分段重叠

> head(jobs)
JOB_N      Genome     Scaffold loc_i loc_f
     1 PRJNA179522 Contig10285  1251  1502
     1 PRJNA179522 Contig10285  1251  1602
     2 PRJNA179522 Contig10285  1255  1499
     2 PRJNA179522 Contig10285   828  1076
     2 PRJNA179522 Contig783     245  1487
     2 PRJNA179522 Contig783     822  1073    

我想要两件事：第一件是找到所有单个支架中的所有重叠区域。 第二种方法是获得一个新表，该表只包含每个“新”段的第一个和最后一个位置。输出将是：

JOB_N      Genome     Scaffold loc_i loc_f
     1 PRJNA179522 Contig10285  1251  1602
     2 PRJNA179522 Contig10285   828  1076
     2 PRJNA179522 Contig783     245  1487

---

提前感谢。

您已经指定了“单个支架”，但是您的示例输出有一个重复的支架。你想把

JOB\N

和

Genome

也包括在这些组中吗

如果是这样，一个

数据表

方法是分别为每个所需组找到

loc_i

和

loc_f

的

min

和

max

---

请参见

data中的
foverlaps
。表

或

IRanges中的
findOverlaps
，可能说明有误。我预计在每个支架中都会有很多片段（外显子）。正是因为这个原因，我需要找到所有的重叠区域。请注意，在我的示例中，#1和#2是重叠段，但#3不是。因此，在支架“Contig10285”中有两个独立的部分（不重叠的部分）。现在清楚了？无论如何谢谢你@好的，我想我现在明白你的意思了。我将对我的答案进行编辑
library(data.table)

dt <- as.data.table(jobs)

dt[, .(min_loc_i = min(loc_i), max_loc_f = max(loc_f)), by=.(JOB_N, Genome, Scaffold)]

#   JOB_N      Genome    Scaffold min_loc_i max_loc_f
#1:     1 PRJNA179522 Contig10285      1251      1602
#2:     2 PRJNA179521 Contig10285      1251      1499
#3:     2 PRJNA179522 Contig10285       828      1076
#4:     2 PRJNA179522   Contig783       245      1487

dt[, .(min_loc_i = min(loc_i), max_loc_f = max(loc_f)), by=.(Scaffold)]
#      Scaffold min_loc_i max_loc_f
#1: Contig10285       828      1602
#2:   Contig783       245      1487