利用GRanges技术寻找染色体重叠区域

Question

我有一份来自一系列患者的基因组区域范围的列表。

> head(dotoo)
GRanges with 6 ranges and 3 metadata columns:
    seqnames                 ranges strand |       Id       CN Histology
       <Rle>              <IRanges>  <Rle> | <factor> <factor>  <factor>
[1]        3 [167946693, 168005541]      * |        9        3        MD
[2]        3 [189907623, 189954633]      * |        9        3        MD
[3]        6 [132274121, 132384438]      * |        9        3        MD
[4]       11 [ 67685096,  70138399]      * |        9        4        MD
[5]       12 [ 53859037,  53927595]      * |        9        3        MD
[6]       15 [ 19830049,  20089383]      * |        9        1        MD

当我绘制基因组像差图时

autoplot(dotoo, aes(fill=as.factor(Id), color=as.factor(Id)))

我看到许多重叠的区域，见图

​

​

如何找出至少3名患者之间的哪些区域重叠，并共享CN

基本上，如果你看这张图，我如何找到“堆叠”的区域，而只找到共享的部分？有没有办法呢？

Answer 1

获取一个“不相交”区域的列表(也许这不是你想要的？其他选项是reduce，并且只是原始的dotoo对象，根本不需要这一步)

d = disjoint(dotoo)

查找原始区域和每个不相交区域之间的重叠

olap = findOverlaps(query=dotoo, subject=d)

基于主题和CN将索引拆分为重叠部分

splt = split(seq_along(olap), list(subjectHits(olap), dotoo$CN[queryHits(olap)]))

将这些过滤到满足您的条件的那些

filt = Filter(function(x) length(x) >= 3, splt)

filt现在是olap中的一个索引列表。您可以创建具有重叠元素的GRangesList，如下所示

idx = unlist(filt)
grp = rep(seq_along(filt), sapply(filt, length))
splitAsList(dotoo[queryHits(olap)[idx]], grp)

询问有关Bioconductor mailing list上的Bioconductor软件包的问题(无需订阅)。