如何在 R 中找到符合条件的所有行和 return 匹配行？
How can I find all rows that match a criteria and return matching rows in R?
我有两个数据框，一个用于 SNP，一个用于基因。
对于每个基因，如果 SNP 位置在 window 大小内，我想将该行 return 到数据框。然后我想找到那个特定的 SNP 和那个基因之间的相关性，如果它在 window 中。我目前正在使用 R.
基因数据框：
Chr Start End sample1 sample2 sample3
10 100015109 100015443 2 1 1
10 100365832 100368960 1 0 2
10 100486970 100487277 2 1 0
SNP 数据框：
SNP CHROM POSITION sample1 sample2 sample3
rs3766180 1 1478153 1 1 2
rs7540231 1 1506035 2 2 0
rs2272908 1 1721479 1 1 2
rs10907187 1 1759054 0 1 2
到目前为止我已经有了这段代码，但我不确定我是否在进行正确的迭代。我想遍历基因并检查哪些 snp 位于 window 大小内，并找到该 snp 和该基因之间的 r 平方。例如，如果 snp1 的位置位于基因的开始和结束范围内，则 select 该行，然后在这两行之间求 r 平方。我认为我的循环是错误的，可能有更简单的方法。请帮忙。
snps <- as.matrix(read.table("snps.txt", header=T, sep="\t"))
genes <- as.matrix(read.table("genes.txt", header=T, sep="\t"))
#Set upper and lower bounds
size = 1000000
window_left = genes$cnvStart - size
window_right = genes$cnvEnd + size
snp_pos <- snps$POS
snp <- snps$ID
for (s in 1:nrow(snps)){
for(g in 1:nrow(genes)){
if (snp_pos >window_left & snp_pos < window_right){
corr.matrix2 <- (cor(t(s),t(g),use="pairwise.complete.obs", method="pearson"))
new_snps <- cbind(snp, snps[,-3])
}
}
}
我想要的输出是每个 selected snp 基因比较的 table r 平方值。
任何想法将不胜感激。
谢谢，
内夫
我复制你的代码并评论它
snps <- as.matrix(read.table("snps.txt", header=T, sep="\t"))
genes <- as.matrix(read.table("genes.txt", header=T, sep="\t"))
没有错但是最好在文件名上说清楚是什么文件，如果用tab分隔就是tsv文件(tab s分开了 files)。这样您就可以使用其他程序（Microsoft Excel 或类似程序）更轻松地打开它们
#Set upper and lower bounds
size = 1000000
window_left = genes$cnvStart - size
window_right = genes$cnvEnd + size
snp_pos <- snps$POS
snp <- snps$ID
这里设置的是变量，但是得到的是向量，所以snp或者snp_pos都是向量。如果你想以后使用它，你必须知道你想要哪种数据。
for (s in 1:nrow(snps)){
for(g in 1:nrow(genes)){
在获得数据帧所需的信息后，您可以通过 snps 行数和基因行数进行迭代。为什么不使用 snp_pos 和 snp 变量？
if (snp_pos >window_left & snp_pos < window_right){
在这里你可以比较所有你想要的，你不需要前面的两个for循环。
corr.matrix2 <- (cor(t(s),t(g),use="pairwise.complete.obs", method="pearson"))
您不使用所选变量来创建成对相关性。你应该使用你的变量。我还建议绘制相关性以进行视觉比较。 （您可能也需要它们）
new_snps <- cbind(snp, snps[,-3])
}
}
}
这不会创建一个 table 它连接到一个不是 table 的数据帧中的向量。
我还没有测试过，但我会这样做：
snps <- as.matrix(read.table("snps.txt", header=T, sep="\t"))
genes <- as.matrix(read.table("genes.txt", header=T, sep="\t"))
#Set upper and lower bounds
size = 1000000
window_left = genes$cnvStart - size
window_right = genes$cnvEnd + size
in_window = snps[snps$POS >window_left & snps$POS < window_right]
corr.matrix2 <- (cor(in_window$, in_window$ ,use="pairwise.complete.obs", method="pearson"))
我真的不知道你想做哪个关联，所以你应该改变cor函数的前两个参数（不完整的in_window$）。我猜您想比较哪些样本具有哪些 SNP。但那是另一个问题 ;)
好的，我还有一些不清楚的地方。
首先：SNP 数据框中的 none 个位置在 Genes 数据框中的 Start 和 End 内 - 我做了一个例如他们在哪里。
其次：您想使用该行与样本1,2和3下的另一行关联吗？
e.i 如果你想让它们排成一行。
Chr Start End sample1 sample2 sample3
10 100015109 100015443 2 1 1 <---- THIS ROW?
SNP CHROM POSITION sample1 sample2 sample3
rs3766180 1 1478153 1 1 2 <---- AND THIS ROW?
My understanding is that you want to correlate 2 1 1 with 1 1 2
我现在有一个工作示例：
Genes<-data.frame(Chr=c(10,10,10),Start=c(100015109,100365832,100486970),End=c(100015443,100368960,100487277),sample1=c(2,1,2),sample2=c(1,0,1),sample3=c(1,2,0))
SNP <- data.frame(SNP= c("rs3766180","rs7540231","rs2272908"),CHROM=c(1,1,1),POSITION=c(100015200,100365831,100486971),sample1=c(1,2,1),sample2=c(1,2,1),sample3=c(2,0,2))
> Genes
Chr Start End sample1 sample2 sample3
1 10 100015109 100015443 2 1 1
2 10 100365832 100368960 1 0 2
3 10 100486970 100487277 2 1 0
> SNP
SNP CHROM POSITION sample1 sample2 sample3
1 rs3766180 1 100015200 1 1 2
2 rs7540231 1 100365831 2 2 0
3 rs2272908 1 100486971 1 1 2
CorTestMatrix <- data.frame()
for (igene in 1:nrow(Genes)) { # for every gene
curGeneRow <- Genes[igene ,] # take that row
for (isnp in 1:nrow(SNP)) { # for every SNP
cursnp <- SNP[isnp ,] # take that row of SNP
if (cursnp$POSITION > curGeneRow$Start & curGeneRow$End > cursnp$POSITION) { # is the SNP in the Gene Window=
x<-as.numeric(as.vector(cursnp[,4:ncol(cursnp)])) # if you want the row from Position,
y<-as.numeric(as.vector(curGeneRow[,4:ncol(curGeneRow)])) # and want the row from End
corTest <- cor.test(x,y) # correlate those two
CurTestMatrix <- data.frame(GeneChr=curGeneRow$Chr,SNP=levels(droplevels(cursnp$SNP)),test=as.numeric(corTest[3]))
# saves some info from both Dataframes and the p Value from the cortest.
# you need edit this to get additional data.
CorTestMatrix <- smartbind(CorTestMatrix,CurTestMatrix)
}
}
}
> CorTestMatrix
GeneChr SNP test
1:1 10 rs3766180 0.6666667
1:2 10 rs3766180 0.6666667
2 10 rs2272908 0.3333333
可能有更快的方法来执行此操作，但是 for 循环很容易编辑和使用。我已经这样做了，所以 SNP 的第一行和第三行应该在 GeneRow 1 和 3 的开始和结束内，分别等于 2 个相关性测试。
如果需要，我建议纠正非正态分布的样本：
sp_Cov1 <- shapiro.test(x);sp_Cov2 <- shapiro.test(y) # correction for non-normallity
if(sp_Cov1[2] < 0.05 | sp_Cov2[2] < 0.05) {correlationToUse = 'kendall'
} else {correlationToUse = 'pearson'}
corTest <- cor.test(x,y,method=correlationToUse)
避免对 p$value
的估计有偏差
我有两个数据框，一个用于 SNP，一个用于基因。
对于每个基因，如果 SNP 位置在 window 大小内，我想将该行 return 到数据框。然后我想找到那个特定的 SNP 和那个基因之间的相关性，如果它在 window 中。我目前正在使用 R.
基因数据框：
Chr Start End sample1 sample2 sample3
10 100015109 100015443 2 1 1
10 100365832 100368960 1 0 2
10 100486970 100487277 2 1 0
SNP 数据框：
SNP CHROM POSITION sample1 sample2 sample3
rs3766180 1 1478153 1 1 2
rs7540231 1 1506035 2 2 0
rs2272908 1 1721479 1 1 2
rs10907187 1 1759054 0 1 2
到目前为止我已经有了这段代码，但我不确定我是否在进行正确的迭代。我想遍历基因并检查哪些 snp 位于 window 大小内，并找到该 snp 和该基因之间的 r 平方。例如，如果 snp1 的位置位于基因的开始和结束范围内，则 select 该行，然后在这两行之间求 r 平方。我认为我的循环是错误的，可能有更简单的方法。请帮忙。
snps <- as.matrix(read.table("snps.txt", header=T, sep="\t"))
genes <- as.matrix(read.table("genes.txt", header=T, sep="\t"))
#Set upper and lower bounds
size = 1000000
window_left = genes$cnvStart - size
window_right = genes$cnvEnd + size
snp_pos <- snps$POS
snp <- snps$ID
for (s in 1:nrow(snps)){
for(g in 1:nrow(genes)){
if (snp_pos >window_left & snp_pos < window_right){
corr.matrix2 <- (cor(t(s),t(g),use="pairwise.complete.obs", method="pearson"))
new_snps <- cbind(snp, snps[,-3])
}
}
}
我想要的输出是每个 selected snp 基因比较的 table r 平方值。 任何想法将不胜感激。
谢谢， 内夫
我复制你的代码并评论它
snps <- as.matrix(read.table("snps.txt", header=T, sep="\t"))
genes <- as.matrix(read.table("genes.txt", header=T, sep="\t"))
没有错但是最好在文件名上说清楚是什么文件，如果用tab分隔就是tsv文件(tab s分开了 files)。这样您就可以使用其他程序（Microsoft Excel 或类似程序）更轻松地打开它们
#Set upper and lower bounds
size = 1000000
window_left = genes$cnvStart - size
window_right = genes$cnvEnd + size
snp_pos <- snps$POS
snp <- snps$ID
这里设置的是变量，但是得到的是向量，所以snp或者snp_pos都是向量。如果你想以后使用它，你必须知道你想要哪种数据。
for (s in 1:nrow(snps)){
for(g in 1:nrow(genes)){
在获得数据帧所需的信息后，您可以通过 snps 行数和基因行数进行迭代。为什么不使用 snp_pos 和 snp 变量？
if (snp_pos >window_left & snp_pos < window_right){
在这里你可以比较所有你想要的，你不需要前面的两个for循环。
corr.matrix2 <- (cor(t(s),t(g),use="pairwise.complete.obs", method="pearson"))
您不使用所选变量来创建成对相关性。你应该使用你的变量。我还建议绘制相关性以进行视觉比较。 （您可能也需要它们）
new_snps <- cbind(snp, snps[,-3])
}
}
}
这不会创建一个 table 它连接到一个不是 table 的数据帧中的向量。
我还没有测试过，但我会这样做：
snps <- as.matrix(read.table("snps.txt", header=T, sep="\t"))
genes <- as.matrix(read.table("genes.txt", header=T, sep="\t"))
#Set upper and lower bounds
size = 1000000
window_left = genes$cnvStart - size
window_right = genes$cnvEnd + size
in_window = snps[snps$POS >window_left & snps$POS < window_right]
corr.matrix2 <- (cor(in_window$, in_window$ ,use="pairwise.complete.obs", method="pearson"))
我真的不知道你想做哪个关联，所以你应该改变cor函数的前两个参数（不完整的in_window$）。我猜您想比较哪些样本具有哪些 SNP。但那是另一个问题 ;)
好的，我还有一些不清楚的地方。
首先：SNP 数据框中的 none 个位置在 Genes 数据框中的 Start 和 End 内 - 我做了一个例如他们在哪里。
其次：您想使用该行与样本1,2和3下的另一行关联吗？
e.i 如果你想让它们排成一行。
Chr Start End sample1 sample2 sample3
10 100015109 100015443 2 1 1 <---- THIS ROW?
SNP CHROM POSITION sample1 sample2 sample3
rs3766180 1 1478153 1 1 2 <---- AND THIS ROW?
My understanding is that you want to correlate 2 1 1 with 1 1 2
我现在有一个工作示例：
Genes<-data.frame(Chr=c(10,10,10),Start=c(100015109,100365832,100486970),End=c(100015443,100368960,100487277),sample1=c(2,1,2),sample2=c(1,0,1),sample3=c(1,2,0))
SNP <- data.frame(SNP= c("rs3766180","rs7540231","rs2272908"),CHROM=c(1,1,1),POSITION=c(100015200,100365831,100486971),sample1=c(1,2,1),sample2=c(1,2,1),sample3=c(2,0,2))
> Genes
Chr Start End sample1 sample2 sample3
1 10 100015109 100015443 2 1 1
2 10 100365832 100368960 1 0 2
3 10 100486970 100487277 2 1 0
> SNP
SNP CHROM POSITION sample1 sample2 sample3
1 rs3766180 1 100015200 1 1 2
2 rs7540231 1 100365831 2 2 0
3 rs2272908 1 100486971 1 1 2
CorTestMatrix <- data.frame()
for (igene in 1:nrow(Genes)) { # for every gene
curGeneRow <- Genes[igene ,] # take that row
for (isnp in 1:nrow(SNP)) { # for every SNP
cursnp <- SNP[isnp ,] # take that row of SNP
if (cursnp$POSITION > curGeneRow$Start & curGeneRow$End > cursnp$POSITION) { # is the SNP in the Gene Window=
x<-as.numeric(as.vector(cursnp[,4:ncol(cursnp)])) # if you want the row from Position,
y<-as.numeric(as.vector(curGeneRow[,4:ncol(curGeneRow)])) # and want the row from End
corTest <- cor.test(x,y) # correlate those two
CurTestMatrix <- data.frame(GeneChr=curGeneRow$Chr,SNP=levels(droplevels(cursnp$SNP)),test=as.numeric(corTest[3]))
# saves some info from both Dataframes and the p Value from the cortest.
# you need edit this to get additional data.
CorTestMatrix <- smartbind(CorTestMatrix,CurTestMatrix)
}
}
}
> CorTestMatrix
GeneChr SNP test
1:1 10 rs3766180 0.6666667
1:2 10 rs3766180 0.6666667
2 10 rs2272908 0.3333333
可能有更快的方法来执行此操作，但是 for 循环很容易编辑和使用。我已经这样做了，所以 SNP 的第一行和第三行应该在 GeneRow 1 和 3 的开始和结束内，分别等于 2 个相关性测试。
如果需要，我建议纠正非正态分布的样本：
sp_Cov1 <- shapiro.test(x);sp_Cov2 <- shapiro.test(y) # correction for non-normallity
if(sp_Cov1[2] < 0.05 | sp_Cov2[2] < 0.05) {correlationToUse = 'kendall'
} else {correlationToUse = 'pearson'}
corTest <- cor.test(x,y,method=correlationToUse)
避免对 p$value