R中的四配子试验

我有（将有）数据，如下所示：

Individual Nuk Name       Position Individual.1 Nuk.1 Name.1     Position.1
Ind 1      A   Locus_1988 23       Ind 1        A     Locus_3333 15
Ind 2      A   Locus_1988 23       Ind 2        G     Locus_3333 15
Ind 3      G   Locus_1988 23       Ind 3        A     Locus_3333 15
Ind 4      G   Locus_1988 23       Ind 4        -     Locus_3333 15
Ind 5      A   Locus_1988 23       Ind 5        G     Locus_3333 15
Ind 6      G   Locus_1988 23       Ind 6        G     Locus_3333 15
Ind 1      C   Locus_1988 23       Ind 1        C     Locus_3333 18
Ind 2      T   Locus_1988 23       Ind 2        C     Locus_3333 18
Ind 3      T   Locus_1988 23       Ind 3        T     Locus_3333 18
Ind 4      C   Locus_1988 23       Ind 4        -     Locus_3333 18
Ind 5      -   Locus_1988 23       Ind 5        C     Locus_3333 18
Ind 6      T   Locus_1988 23       Ind 6        T     Locus_3333 18
Ind 1      T   Locus_2301 12       Ind 1        T     Locus_4123 38
Ind 2      T   Locus_2301 12       Ind 2        T     Locus_4123 38
Ind 3      A   Locus_2301 12       Ind 3        -     Locus_4123 38
Ind 4      -   Locus_2301 12       Ind 4        A     Locus_4123 38
Ind 5      A   Locus_2301 12       Ind 5        A     Locus_4123 38
Ind 6      T   Locus_2301 12       Ind 6        T     Locus_4123 38
Ind 1      G   Locus_2301 31       Ind 1        G     Locus_4123 52
Ind 2      C   Locus_2301 31       Ind 2        C     Locus_4123 52
Ind 3      C   Locus_2301 31       Ind 3        G     Locus_4123 52
Ind 4      G   Locus_2301 31       Ind 4        C     Locus_4123 52
Ind 5      -   Locus_2301 31       Ind 5        C     Locus_4123 52
Ind 6      G   Locus_2301 31       Ind 6        -     Locus_4123 52

数据以成对基因座的形式建立（因此，在上面的例子中，基因座_1988和基因座_3333是一对）。对于一对中的每个位置，我需要在Nuk上做一个四配子测试（FGT），即测试四个可能的字母GCAT中任何给定的两个字母组合的所有可能的两对组合。 因此，对于上述数据，对于成对的

轨迹_1988位置23+轨迹_3333位置15

存在的组合为

AA-AG-GA-G-AG-GG

。由于存在AA、AG、GA和GG组合，这对组合将通过FGT），需要注册（即在新的_列中使用1）。 上述数据中的下一组是

lock_1988位置23+lock_3333

位置18具有以下组合：

CC-TC-TT--C-TT

。由于缺少组合CT，该组将无法通过FGT（在新的_列中注册为0）

您将如何进行此测试

有许多基因座，每个基因座上有许多（30）个个体，在一些（但不是所有）基因座中有几个位置需要测试

我认为，应该可以按照以下思路构建测试：

if（grepl（“AG”和“GA”和“AA”和“GG”和“AC”和“CA”和“AA”和“CC”和“AT”和“TA”和“AA”和“TT”和“CT”和“TC”和“CC”和“GC”和“CC”和“GG”和“GT”和“TG”和“GG”和“TT”，数据”两列的组合）打印（“1”）其他打印（“0”）

但我显然不允许使用&|运算符。 同时，我也很难弄清楚如何指定，首先是名称，其次是位置。 您是否会在新列中为每个组指定一个唯一的名称（如下所示），并指定对每个组执行测试

Individual Nuk Name       Pos Individual.1 Nuk.1 Name.1          Pos.1 Grp
Ind 1      A   Locus_1988 23       Ind 1        A     Locus_3333 15    1         
Ind 2      A   Locus_1988 23       Ind 2        G     Locus_3333 15    1
Ind 3      G   Locus_1988 23       Ind 3        A     Locus_3333 15    1
Ind 4      G   Locus_1988 23       Ind 4        -     Locus_3333 15    1
Ind 5      A   Locus_1988 23       Ind 5        G     Locus_3333 15    1
Ind 6      G   Locus_1988 23       Ind 6        G     Locus_3333 15    1
Ind 1      C   Locus_1988 23       Ind 1        C     Locus_3333 18    2
Ind 2      T   Locus_1988 23       Ind 2        C     Locus_3333 18    2
Ind 3      T   Locus_1988 23       Ind 3        T     Locus_3333 18    2
Ind 4      C   Locus_1988 23       Ind 4        -     Locus_3333 18    2
Ind 5      -   Locus_1988 23       Ind 5        C     Locus_3333 18    2
Ind 6      T   Locus_1988 23       Ind 6        T     Locus_3333 18    2
Ind 1      T   Locus_2301 12       Ind 1        T     Locus_4123 38    3
Ind 2      T   Locus_2301 12       Ind 2        T     Locus_4123 38    3
Ind 3      A   Locus_2301 12       Ind 3        -     Locus_4123 38    3
Ind 4      -   Locus_2301 12       Ind 4        A     Locus_4123 38    3
Ind 5      A   Locus_2301 12       Ind 5        A     Locus_4123 38    3
Ind 6      T   Locus_2301 12       Ind 6        T     Locus_4123 38    3
Ind 1      G   Locus_2301 31       Ind 1        G     Locus_4123 52    4
Ind 2      C   Locus_2301 31       Ind 2        C     Locus_4123 52    4
Ind 3      C   Locus_2301 31       Ind 3        G     Locus_4123 52    4
Ind 4      G   Locus_2301 31       Ind 4        C     Locus_4123 52    4
Ind 5      -   Locus_2301 31       Ind 5        C     Locus_4123 52    4
Ind 6      G   Locus_2301 31       Ind 6        -     Locus_4123 52    4

我认为这可以在循环中完成，但我担心这可能需要很长时间来处理，因为我有很多数据。

按位置和轨迹名称拆分数据（

df1

）：

split1 <- split(df1, list(df1$Name, df1$Position, df1$Name.1, df1$Position.1), drop = TRUE)

do.call(rbind, 
  lapply(split1, function(x) {
    all_letters <- union( x$Nuk, x$Nuk.1 )
    all_letters <- all_letters[all_letters != "-"]
    letter_comb <- expand.grid(all_letters, all_letters, stringsAsFactors = FALSE)
    data.frame( 
      FGT = all(
        sapply( seq_len(nrow(letter_comb)), function(i) {
          any(x$Nuk == letter_comb[i,1] & x$Nuk.1 == letter_comb[i,2])
        })
      ),
      Name = x$Name[1], Position = x$Position[1], 
      Name.1 = x$Name.1[1], Position.1 = x$Position.1[1] 
    )  
  })
)

#                               FGT       Name Position     Name.1 Position.1
# Locus_1988.23.Locus_3333.15  TRUE Locus_1988       23 Locus_3333         15
# Locus_1988.23.Locus_3333.18 FALSE Locus_1988       23 Locus_3333         18
# Locus_2301.12.Locus_4123.38 FALSE Locus_2301       12 Locus_4123         38
# Locus_2301.31.Locus_4123.52  TRUE Locus_2301       31 Locus_4123         52