使用数据帧输出在序列向量中搜索基序向量

Question

我在名为 x 的字符串向量中有一组核苷酸序列。

我想检查 x 中是否存在一些（比如说 10 个）图案。我想生成一个数据框或 table，其中行是 X 中的序列，列是 patterns/motifs 在向量 sdseqs 中。

sdframe <- data.frame
sdseqs = c("AGGAG.+ATG", 
"AGAAG.+ATG","AAAGG.+ATG","GGAGG.+ATG","GAAGA.+ATG",
"GGAGA.+ATG","AAGGT.+ATG","AGGAA.+ATG","AAGGA.+ATG","GTGGA.+ATG")
for (i in 1:10) {
sdframe <- cbind(sdframe,(grepl(sdseqs[i], x)))
}

这段代码工作正常，但数据框的第一列将是空的，带有问号。其他列填充了 true 和 false - 这就是我想要的。

一开始我试图在循环外定义一个空数据框。我是 R 的新手，我来自 Perl。这就是我通常在 Perl 中所做的：您定义要在外部循环中使用的变量。我怎样才能在 R 中做到这一点？

此外，一个可行的选择是从我的数据框中删除第一列，但这对我来说似乎并不那么简单。

感谢任何帮助。

我现在用我的代码得到的输出：

  sdframe                                                            
[1,] ?       TRUE  FALSE TRUE  TRUE  FALSE TRUE  TRUE  TRUE  TRUE  FALSE
[2,] ?       FALSE TRUE  FALSE FALSE FALSE FALSE FALSE FALSE TRUE  TRUE 
[3,] ?       FALSE FALSE TRUE  FALSE TRUE  FALSE TRUE  TRUE  TRUE  TRUE 
[4,] ?       TRUE  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[5,] ?       FALSE TRUE  FALSE FALSE TRUE  FALSE FALSE FALSE FALSE FALSE
[6,] ?       FALSE FALSE FALSE TRUE  FALSE FALSE FALSE TRUE  FALSE TRUE 
[7,] ?       FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE  FALSE FALSE
[8,] ?       FALSE FALSE TRUE  FALSE FALSE TRUE  FALSE FALSE TRUE  FALSE
[9,] ?       FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[10,] ?       FALSE FALSE FALSE FALSE TRUE  FALSE FALSE FALSE FALSE FALSE
[11,] ?       FALSE FALSE TRUE  FALSE FALSE FALSE FALSE FALSE FALSE FALSE

我想要相同但没有第一列 ?。请注意我的 x 有 11 个序列，我检查的图案是列（10 列，11 数第一列？）

Answer 1

一个常见的 R 解决方案将使用 apply 系列中的一个函数来将一个函数应用到一个向量上。

sdseqs = c(
  "AGGAG.+ATG",
  "AGAAG.+ATG",
  "AAAGG.+ATG",
  "GGAGG.+ATG",
  "GAAGA.+ATG",
  "GGAGA.+ATG",
  "AAGGT.+ATG",
  "AGGAA.+ATG",
  "AAGGA.+ATG",
  "GTGGA.+ATG"
)

sdframe <- sapply(sdseqs, function(one.motif) {
  grepl(one.motif, x = x)
})

sdframe

     AGGAG.+ATG AGAAG.+ATG AAAGG.+ATG GGAGG.+ATG GAAGA.+ATG GGAGA.+ATG AAGGT.+ATG AGGAA.+ATG AAGGA.+ATG GTGGA.+ATG
[1,]      FALSE       TRUE      FALSE      FALSE       TRUE       TRUE       TRUE      FALSE       TRUE      FALSE
[2,]      FALSE       TRUE      FALSE      FALSE       TRUE       TRUE       TRUE      FALSE       TRUE      FALSE
[3,]      FALSE       TRUE      FALSE      FALSE       TRUE       TRUE       TRUE      FALSE       TRUE      FALSE

sdframe.t <- t(sdframe)

sdframe.t

            [,1]  [,2]  [,3]
AGGAG.+ATG FALSE FALSE FALSE
AGAAG.+ATG  TRUE  TRUE  TRUE
AAAGG.+ATG FALSE FALSE FALSE
GGAGG.+ATG FALSE FALSE FALSE
GAAGA.+ATG  TRUE  TRUE  TRUE
GGAGA.+ATG  TRUE  TRUE  TRUE
AAGGT.+ATG  TRUE  TRUE  TRUE
AGGAA.+ATG FALSE FALSE FALSE
AAGGA.+ATG  TRUE  TRUE  TRUE
GTGGA.+ATG FALSE FALSE FALSE

Answer 2

在第一行实际上你没有创建 data.frame。所以你的输出是 list.

您需要 rbind 而不是 cbind 来添加行：

sdframe <- data.frame()
sdseqs = c("AGGAG.+ATG", 
       "AGAAG.+ATG","AAAGG.+ATG","GGAGG.+ATG","GAAGA.+ATG",
       "GGAGA.+ATG","AAGGT.+ATG","AGGAA.+ATG","AAGGA.+ATG","GTGGA.+ATG")
for (i in 1:10) {
sdframe <- rbind(sdframe,(grepl(sdseqs[i], x)))
}

使用数据帧输出在序列向量中搜索基序向量

Search for vector of motifs in vector of sequences with dataframe output

r

bioinformatics

dataframe