不断向给定不同if-else语句的字符串添加[R]
我有一个复杂的问题,我希望我能很容易地解释 我有以下数据:不断向给定不同if-else语句的字符串添加[R],r,if-statement,paste,vcftools,R,If Statement,Paste,Vcftools,我有一个复杂的问题,我希望我能很容易地解释 我有以下数据: CHROM POS REF SNP INDEL 5 290 A --|T|--|-- 0 5 890 A A|T|--|G 0 7 672 A A|--|C|-- +C,+CC 9 459 G A|T|--|G -C
CHROM POS REF SNP INDEL
5 290 A --|T|--|-- 0
5 890 A A|T|--|G 0
7 672 A A|--|C|-- +C,+CC
9 459 G A|T|--|G -C
我想创建一个ALT变量,以便最终通过VCFtools运行它。然而,我不完全确定如何通过不断地添加变量来创建一个变量,当且仅当满足某个语句时
例如:
第一列很简单,ALT仅为T;但是,我只想在ALT列中粘贴T,而不添加“|”或“-”。第二个稍有不同,我不想将A添加到ALT变量中,因为它可以在SNP条目下看到,而是添加t和G,用一列分隔
所以本质上,我只想在ALT变量不等于REF变量且不等于“-”时,将每个字母添加到ALT变量中
我将SNP专栏分为以下几部分:
m$A <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[1])
m$T <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[2])
m$C <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[3])
m$G <- sapply(strsplit(as.character(mito$SNP),"\\|"),function(x) x[4])
我只包含了上面的例子,但在文件中有所有不同的组合。这可以在R中完成,还是会变得非常复杂
提前谢谢你
注1:
首先,如果我在上面的问题中不清楚,请道歉。感谢那些迄今为止给予帮助的人。根据请求,根据INDEL前面是“-”号还是“+”号,INDEL的ALT变量将发生变化(即,这不会遵循与SNP相同的规则,SNP将是大多数行)
例如:
对于逻辑的第一部分,类似于这样的操作:
mito <- read.table(text="CHROM POS REF SNP INDEL
5 290 A --|T|--|-- 0
5 890 A A|T|--|G 0
7 672 A A|--|C|-- +C,+CC
9 459 G A|T|--|G -C",header=TRUE,stringsAsFactors=FALSE)
mito对于逻辑的第一部分,类似这样的工作方式:
mito <- read.table(text="CHROM POS REF SNP INDEL
5 290 A --|T|--|-- 0
5 890 A A|T|--|G 0
7 672 A A|--|C|-- +C,+CC
9 459 G A|T|--|G -C",header=TRUE,stringsAsFactors=FALSE)
mito对于逻辑的第一部分,类似这样的工作方式:
mito <- read.table(text="CHROM POS REF SNP INDEL
5 290 A --|T|--|-- 0
5 890 A A|T|--|G 0
7 672 A A|--|C|-- +C,+CC
9 459 G A|T|--|G -C",header=TRUE,stringsAsFactors=FALSE)
mito对于逻辑的第一部分,类似这样的工作方式:
mito <- read.table(text="CHROM POS REF SNP INDEL
5 290 A --|T|--|-- 0
5 890 A A|T|--|G 0
7 672 A A|--|C|-- +C,+CC
9 459 G A|T|--|G -C",header=TRUE,stringsAsFactors=FALSE)
mito您可以尝试以下方法:
library(stringr)
snp <- str_extract_all(string = df$SNP, pattern = "[[:alpha:]]")
snp2 <- mapply(FUN = function(x, y) x[x != y], x = snp, y = df$REF)
df$ALT <- lapply(snp2, function(x) paste(x, collapse = ","))
df$ALT[df$INDEL == "+C,+CC"] <- "AC,ACC"
df$ALT[df$INDEL == "-C"] <- "G"
df
# CHROM POS REF SNP INDEL ALT
# 1 5 290 A --|T|--|-- 0 T
# 2 5 890 A A|T|--|G 0 T,G
# 3 7 672 A A|--|C|-- +C,+CC AC,ACC
# 4 9 459 G A|T|--|G -C G
库(stringr)
snp您可以尝试以下方法:
library(stringr)
snp <- str_extract_all(string = df$SNP, pattern = "[[:alpha:]]")
snp2 <- mapply(FUN = function(x, y) x[x != y], x = snp, y = df$REF)
df$ALT <- lapply(snp2, function(x) paste(x, collapse = ","))
df$ALT[df$INDEL == "+C,+CC"] <- "AC,ACC"
df$ALT[df$INDEL == "-C"] <- "G"
df
# CHROM POS REF SNP INDEL ALT
# 1 5 290 A --|T|--|-- 0 T
# 2 5 890 A A|T|--|G 0 T,G
# 3 7 672 A A|--|C|-- +C,+CC AC,ACC
# 4 9 459 G A|T|--|G -C G
库(stringr)
snp您可以尝试以下方法:
library(stringr)
snp <- str_extract_all(string = df$SNP, pattern = "[[:alpha:]]")
snp2 <- mapply(FUN = function(x, y) x[x != y], x = snp, y = df$REF)
df$ALT <- lapply(snp2, function(x) paste(x, collapse = ","))
df$ALT[df$INDEL == "+C,+CC"] <- "AC,ACC"
df$ALT[df$INDEL == "-C"] <- "G"
df
# CHROM POS REF SNP INDEL ALT
# 1 5 290 A --|T|--|-- 0 T
# 2 5 890 A A|T|--|G 0 T,G
# 3 7 672 A A|--|C|-- +C,+CC AC,ACC
# 4 9 459 G A|T|--|G -C G
库(stringr)
snp您可以尝试以下方法:
library(stringr)
snp <- str_extract_all(string = df$SNP, pattern = "[[:alpha:]]")
snp2 <- mapply(FUN = function(x, y) x[x != y], x = snp, y = df$REF)
df$ALT <- lapply(snp2, function(x) paste(x, collapse = ","))
df$ALT[df$INDEL == "+C,+CC"] <- "AC,ACC"
df$ALT[df$INDEL == "-C"] <- "G"
df
# CHROM POS REF SNP INDEL ALT
# 1 5 290 A --|T|--|-- 0 T
# 2 5 890 A A|T|--|G 0 T,G
# 3 7 672 A A|--|C|-- +C,+CC AC,ACC
# 4 9 459 G A|T|--|G -C G
库(stringr)
snp我对你的数据帧做了一个任意的推断,我尝试了一些有点幼稚的东西——可能没有那么有效。当然,如果我有什么地方弄错了,可以改变。不管怎样,我希望这会有帮助
#> DF
# CHROM POS REF SNP INDEL
#1 5 290 A --|T|--|-- 0
#2 5 890 A A|T|--|G 0
#3 7 672 A A|--|C|-- +C,+CC
#4 9 459 G A|T|--|G -C
#5 3 554 T A|T|--|G -GG,-A
#6 9 987 T --|T|C|-- +GGG
#7 21 214 G A|T|--|G 0
#8 1 145 G G|--|--|G 0
#9 3 554 T,C A|T|--|G -GG,-A
#10 7 672 A,T A|--|C|-- +C,+CC
我认为解决办法是:
ff = function(xrow) {
ref = as.character(xrow[3])
snp = as.character(xrow[4])
indel = as.character(xrow[5])
if(indel == "0") {
alt = gsub(paste(ref, "|\\||--", sep = ""), "", snp)
if(nchar(alt) > 1)
alt = paste(strsplit(alt, "", fixed = T)[[1]], collapse = ",")
}
else {
indels = strsplit(indel, ",", fixed = T)[[1]]
if(grepl("-", indels[1], fixed = T)) {
alt = ref
ref = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("-", "", indels, fixed = T), collapse = ",")
}
if(grepl("+", indels[1], fixed = T)) {
alt = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("+", "", indels, fixed = T), collapse = ",")
}
}
return(cbind(CHROM = xrow[1], POS = xrow[2], REF = ref,
SNP = snp, INDEL = indel, ALT = alt))
}
as.data.frame(t(apply(DF, 1, ff)))
# V1 V2 V3 V4 V5 V6
#1 5 290 A --|T|--|-- 0 T
#2 5 890 A A|T|--|G 0 T,G
#3 7 672 A A|--|C|-- +C,+CC AC,ACC
#4 9 459 GC A|T|--|G -C G
#5 3 554 TGG,TA A|T|--|G -GG,-A T
#6 9 987 T --|T|C|-- +GGG TGGG
#7 21 214 G A|T|--|G 0 A,T
#8 1 145 G G|--|--|G 0
#9 3 554 TGG,CA A|T|--|G -GG,-A T,C
#10 7 672 A,T A|--|C|-- +C,+CC AC,TCC
DF
:
structure(list(CHROM = c("5", "5", "7", "9", "3", "9", "21",
"1", "3", "7"), POS = c("290", "890", "672", "459", "554", "987",
"214", "145", "554", "672"), REF = c("A", "A", "A", "G", "T",
"T", "G", "G", "T,C", "A,T"), SNP = c("--|T|--|--", "A|T|--|G",
"A|--|C|--", "A|T|--|G", "A|T|--|G", "--|T|C|--", "A|T|--|G",
"G|--|--|G", "A|T|--|G", "A|--|C|--"), INDEL = c("0", "0", "+C,+CC",
"-C", "-GG,-A", "+GGG", "0", "0", "-GG,-A", "+C,+CC")), .Names = c("CHROM",
"POS", "REF", "SNP", "INDEL"), row.names = c(NA, 10L), class = "data.frame")
我尝试了一些有点幼稚的东西——可能不是那么有效——对您的数据帧进行了任意推断。当然,如果我有什么地方弄错了,可以改变。不管怎样,我希望这会有帮助
#> DF
# CHROM POS REF SNP INDEL
#1 5 290 A --|T|--|-- 0
#2 5 890 A A|T|--|G 0
#3 7 672 A A|--|C|-- +C,+CC
#4 9 459 G A|T|--|G -C
#5 3 554 T A|T|--|G -GG,-A
#6 9 987 T --|T|C|-- +GGG
#7 21 214 G A|T|--|G 0
#8 1 145 G G|--|--|G 0
#9 3 554 T,C A|T|--|G -GG,-A
#10 7 672 A,T A|--|C|-- +C,+CC
我认为解决办法是:
ff = function(xrow) {
ref = as.character(xrow[3])
snp = as.character(xrow[4])
indel = as.character(xrow[5])
if(indel == "0") {
alt = gsub(paste(ref, "|\\||--", sep = ""), "", snp)
if(nchar(alt) > 1)
alt = paste(strsplit(alt, "", fixed = T)[[1]], collapse = ",")
}
else {
indels = strsplit(indel, ",", fixed = T)[[1]]
if(grepl("-", indels[1], fixed = T)) {
alt = ref
ref = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("-", "", indels, fixed = T), collapse = ",")
}
if(grepl("+", indels[1], fixed = T)) {
alt = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("+", "", indels, fixed = T), collapse = ",")
}
}
return(cbind(CHROM = xrow[1], POS = xrow[2], REF = ref,
SNP = snp, INDEL = indel, ALT = alt))
}
as.data.frame(t(apply(DF, 1, ff)))
# V1 V2 V3 V4 V5 V6
#1 5 290 A --|T|--|-- 0 T
#2 5 890 A A|T|--|G 0 T,G
#3 7 672 A A|--|C|-- +C,+CC AC,ACC
#4 9 459 GC A|T|--|G -C G
#5 3 554 TGG,TA A|T|--|G -GG,-A T
#6 9 987 T --|T|C|-- +GGG TGGG
#7 21 214 G A|T|--|G 0 A,T
#8 1 145 G G|--|--|G 0
#9 3 554 TGG,CA A|T|--|G -GG,-A T,C
#10 7 672 A,T A|--|C|-- +C,+CC AC,TCC
DF
:
structure(list(CHROM = c("5", "5", "7", "9", "3", "9", "21",
"1", "3", "7"), POS = c("290", "890", "672", "459", "554", "987",
"214", "145", "554", "672"), REF = c("A", "A", "A", "G", "T",
"T", "G", "G", "T,C", "A,T"), SNP = c("--|T|--|--", "A|T|--|G",
"A|--|C|--", "A|T|--|G", "A|T|--|G", "--|T|C|--", "A|T|--|G",
"G|--|--|G", "A|T|--|G", "A|--|C|--"), INDEL = c("0", "0", "+C,+CC",
"-C", "-GG,-A", "+GGG", "0", "0", "-GG,-A", "+C,+CC")), .Names = c("CHROM",
"POS", "REF", "SNP", "INDEL"), row.names = c(NA, 10L), class = "data.frame")
我尝试了一些有点幼稚的东西——可能不是那么有效——对您的数据帧进行了任意推断。当然,如果我有什么地方弄错了,可以改变。不管怎样,我希望这会有帮助
#> DF
# CHROM POS REF SNP INDEL
#1 5 290 A --|T|--|-- 0
#2 5 890 A A|T|--|G 0
#3 7 672 A A|--|C|-- +C,+CC
#4 9 459 G A|T|--|G -C
#5 3 554 T A|T|--|G -GG,-A
#6 9 987 T --|T|C|-- +GGG
#7 21 214 G A|T|--|G 0
#8 1 145 G G|--|--|G 0
#9 3 554 T,C A|T|--|G -GG,-A
#10 7 672 A,T A|--|C|-- +C,+CC
我认为解决办法是:
ff = function(xrow) {
ref = as.character(xrow[3])
snp = as.character(xrow[4])
indel = as.character(xrow[5])
if(indel == "0") {
alt = gsub(paste(ref, "|\\||--", sep = ""), "", snp)
if(nchar(alt) > 1)
alt = paste(strsplit(alt, "", fixed = T)[[1]], collapse = ",")
}
else {
indels = strsplit(indel, ",", fixed = T)[[1]]
if(grepl("-", indels[1], fixed = T)) {
alt = ref
ref = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("-", "", indels, fixed = T), collapse = ",")
}
if(grepl("+", indels[1], fixed = T)) {
alt = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("+", "", indels, fixed = T), collapse = ",")
}
}
return(cbind(CHROM = xrow[1], POS = xrow[2], REF = ref,
SNP = snp, INDEL = indel, ALT = alt))
}
as.data.frame(t(apply(DF, 1, ff)))
# V1 V2 V3 V4 V5 V6
#1 5 290 A --|T|--|-- 0 T
#2 5 890 A A|T|--|G 0 T,G
#3 7 672 A A|--|C|-- +C,+CC AC,ACC
#4 9 459 GC A|T|--|G -C G
#5 3 554 TGG,TA A|T|--|G -GG,-A T
#6 9 987 T --|T|C|-- +GGG TGGG
#7 21 214 G A|T|--|G 0 A,T
#8 1 145 G G|--|--|G 0
#9 3 554 TGG,CA A|T|--|G -GG,-A T,C
#10 7 672 A,T A|--|C|-- +C,+CC AC,TCC
DF
:
structure(list(CHROM = c("5", "5", "7", "9", "3", "9", "21",
"1", "3", "7"), POS = c("290", "890", "672", "459", "554", "987",
"214", "145", "554", "672"), REF = c("A", "A", "A", "G", "T",
"T", "G", "G", "T,C", "A,T"), SNP = c("--|T|--|--", "A|T|--|G",
"A|--|C|--", "A|T|--|G", "A|T|--|G", "--|T|C|--", "A|T|--|G",
"G|--|--|G", "A|T|--|G", "A|--|C|--"), INDEL = c("0", "0", "+C,+CC",
"-C", "-GG,-A", "+GGG", "0", "0", "-GG,-A", "+C,+CC")), .Names = c("CHROM",
"POS", "REF", "SNP", "INDEL"), row.names = c(NA, 10L), class = "data.frame")
我尝试了一些有点幼稚的东西——可能不是那么有效——对您的数据帧进行了任意推断。当然,如果我有什么地方弄错了,可以改变。不管怎样,我希望这会有帮助
#> DF
# CHROM POS REF SNP INDEL
#1 5 290 A --|T|--|-- 0
#2 5 890 A A|T|--|G 0
#3 7 672 A A|--|C|-- +C,+CC
#4 9 459 G A|T|--|G -C
#5 3 554 T A|T|--|G -GG,-A
#6 9 987 T --|T|C|-- +GGG
#7 21 214 G A|T|--|G 0
#8 1 145 G G|--|--|G 0
#9 3 554 T,C A|T|--|G -GG,-A
#10 7 672 A,T A|--|C|-- +C,+CC
我认为解决办法是:
ff = function(xrow) {
ref = as.character(xrow[3])
snp = as.character(xrow[4])
indel = as.character(xrow[5])
if(indel == "0") {
alt = gsub(paste(ref, "|\\||--", sep = ""), "", snp)
if(nchar(alt) > 1)
alt = paste(strsplit(alt, "", fixed = T)[[1]], collapse = ",")
}
else {
indels = strsplit(indel, ",", fixed = T)[[1]]
if(grepl("-", indels[1], fixed = T)) {
alt = ref
ref = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("-", "", indels, fixed = T), collapse = ",")
}
if(grepl("+", indels[1], fixed = T)) {
alt = paste0(strsplit(ref, ",", fixed = T)[[1]],
gsub("+", "", indels, fixed = T), collapse = ",")
}
}
return(cbind(CHROM = xrow[1], POS = xrow[2], REF = ref,
SNP = snp, INDEL = indel, ALT = alt))
}
as.data.frame(t(apply(DF, 1, ff)))
# V1 V2 V3 V4 V5 V6
#1 5 290 A --|T|--|-- 0 T
#2 5 890 A A|T|--|G 0 T,G
#3 7 672 A A|--|C|-- +C,+CC AC,ACC
#4 9 459 GC A|T|--|G -C G
#5 3 554 TGG,TA A|T|--|G -GG,-A T
#6 9 987 T --|T|C|-- +GGG TGGG
#7 21 214 G A|T|--|G 0 A,T
#8 1 145 G G|--|--|G 0
#9 3 554 TGG,CA A|T|--|G -GG,-A T,C
#10 7 672 A,T A|--|C|-- +C,+CC AC,TCC
DF
:
structure(list(CHROM = c("5", "5", "7", "9", "3", "9", "21",
"1", "3", "7"), POS = c("290", "890", "672", "459", "554", "987",
"214", "145", "554", "672"), REF = c("A", "A", "A", "G", "T",
"T", "G", "G", "T,C", "A,T"), SNP = c("--|T|--|--", "A|T|--|G",
"A|--|C|--", "A|T|--|G", "A|T|--|G", "--|T|C|--", "A|T|--|G",
"G|--|--|G", "A|T|--|G", "A|--|C|--"), INDEL = c("0", "0", "+C,+CC",
"-C", "-GG,-A", "+GGG", "0", "0", "-GG,-A", "+C,+CC")), .Names = c("CHROM",
"POS", "REF", "SNP", "INDEL"), row.names = c(NA, 10L), class = "data.frame")
这是一个看起来不寻常的vcf,是什么程序制作的?也许你应该使用像GATK这样的东西,以你默认想要的格式输出VCF。这不是VCF。。。我们想把一个TXT转换成VCF(这是可以做到的)对不起,如果我遗漏了一些东西,但是还有,INDEL
值,其中有两个-
,或者两个+
和-
?例如像+C,-CC
或-C,-G
。如果是这样,在这些情况下,REF
和ALT
会发生什么?通常不应该在同一个位置进行删除和插入。但是是的-它可以是多个-
和多个+
(以及单个-
或+
),但不可能有一个+
和一个-
,这是一个外观不寻常的vcf,是什么程序制作的?也许你应该使用像GATK这样的东西,以你默认想要的格式输出VCF。这不是VCF。。。我们想把一个TXT转换成VCF(这是可以做到的)对不起,如果我遗漏了一些东西,但是还有,INDEL
值,其中有两个-
,或者两个+
和-
?例如像+C,-CC
或-C,-G
。如果是这样,在这些情况下,REF
和ALT
会发生什么?通常不应该在同一个位置进行删除和插入。但是是的-它可以是多个-
和多个+
(以及单个-
或+
),但不可能有一个+
和一个-
,这是一个外观不寻常的vcf,是什么程序制作的?也许你应该使用像GATK这样的东西,以你默认想要的格式输出VCF。这不是VCF。。。我们想把一个TXT转换成VCF(这是可以做到的)对不起,如果我遗漏了一些东西,但是还有,INDEL
值,其中有两个-
,或者两个+
和-
?例如像+C,-CC
或-C,-G
。如果是这样,在这些情况下,REF
和ALT
会发生什么?通常不应该在同一个位置进行删除和插入。但是是的-它可以是多个-
和多个+
(以及单个-
或+
),但不可能有一个+
和一个-
,这是一个外观不寻常的vcf,是什么程序制作的?也许你应该使用像GATK这样的东西,以你默认想要的格式输出VCF。这不是VCF