不断向给定不同if-else语句的字符串添加[R]_R_If Statement_Paste_Vcftools

不断向给定不同if-else语句的字符串添加[R]

r if-statement

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

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

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：

“-C”（或任何有“-”号的地方），如上所述，REF需要变成REF+INDEL，ALT变成REF（如果需要，用逗号分隔）：

如果有一个“+”符号（无论是+C、+CC或+GGG或其他符号），REF保持不变，但ALT变为REF+INDEL（必要时用逗号分隔）：

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