Select 在特定位置具有指定碱基的所有样本

Question

我是 R 语言编程的新手，正在尝试完成一项非常具体的任务。

我有一个包含 n 个样本的 fasta 序列，我在 ape:

中读到了

library(ape)

matrix <- read.dna(myfasta, format="fasta", as.character=TRUE)

这创建了一个矩阵，如下所示：

|    | V1 | V2 | V3 | V4 |...
|------------------------|
|Seq1|  a |  t |  g |  c |...
|Seq2|  a |  t |  g |  a |...
|Seq3|  a |  t |  c |  c |...
|Seq4|  t |  t |  g |  a |...
|... |

其中Seq(n)是每个样本的DNA序列，V(n)表示核苷酸位置。

如何 select 带有特定核苷酸（例如“a”）的序列，在特定位置（例如“V1”），然后 return 序列作为串联字符串？

所以对于位置 V1，我想要类似“Seq1、Seq2、Seq3”的东西，对于位置 V4，对于相同的碱基，我想要“Seq2、Seq4”

我试过 which() 和 filter(matrix, V1 == "a") 但我很挣扎。

提前致谢！

Answer 1

最简单的方法是select V1 == 'a'行用布尔索引，然后提取rownames:

rownames(example[example[,"V1"] == "a", ]) # "No304" "No306"

你提到了 filter，看起来像 dplyr。使用 tidyverse 方法来操作行名很重要的数据有点麻烦，因为默认情况下会删除行名。

如果您想使用 filter，您必须先将行名称保存为显式列：

library(dplyr)

as.data.frame(example) %>% 
  mutate(sequence = rownames(.), .before = everything()) %>% 
  filter(V1 == "a") %>% 
  select(sequence)

  sequence
1    No304
2    No306

数据（来自ape read.dna docs）

library(ape)

cat(">No305",
    "NTTCGAAAAACACACCCACTACTAAAANTTATCAGTCACT",
    ">No304",
    "ATTCGAAAAACACACCCACTACTAAAAATTATCAACCACT",
    ">No306",
    "ATTCGAAAAACACACCCACTACTAAAAATTATCAATCACT",
    file = "exdna.fas", sep = "\n")

example <- read.dna("exdna.fas", format = "fasta", as.character = TRUE)
colnames(example) <- paste0("V", 1:ncol(example))

example
      V1  V2  V3  V4 ...
No305 "n" "t" "t" "c"
No304 "a" "t" "t" "c"
No306 "a" "t" "t" "c"

Select 在特定位置具有指定碱基的所有样本

Select all samples with a specified base at a particular position

r

bioinformatics

fasta

phylogeny

ape-phylo