与双范围样本相比，双范围之间的重叠

Question

我已经找到了其他关于在R iRanges中寻找重叠范围的帖子，但你能帮我解决这个额外的小问题吗?我有两个联系在一起的范围(一个可能的基因组重排，一个起始范围和一个结束范围)，我想过滤掉母亲基因组中相同的范围

我已经找到了如下的停止和开始范围(chr编号，间隔开始，间隔结束)，其中左侧的3列表示重排的开始，右侧的3列表示重排的结束(它们是名为SVDetect的程序的输出，该程序使用NGS数据来寻找与参考基因组具有异常比对的配对)。我有两个基因组，母克隆和女儿，并希望找到对女儿唯一的重排=我想过滤掉两个范围与另一个范围中两个范围的同一行重叠的行。范围可能略有不同，但如果两个范围重叠，这将强烈表明重排已经存在于母体中。R中的iRanges允许您很容易地查看一个范围是否与其他范围重叠，但我还没有找到一个解决方案，它可以告诉我它与哪个范围重叠，而不是一个非常慢的for循环。

女儿：

1  1384138 1384862 - 1  516731  516918
2  3758860 3759278 - 2  879828  879966 # (filter away this line as overlap with below)
2  3940051 3940470 - 2  3940856 3941250

母亲：

2  3758858 3759282 - 2  879828  879966 # (overlap with this range)
1  1384138 1384862 - 3  116231  516918
2  3940051 3940470 - 3  1540856 3941250

Answer 1

诀窍是使用两组GRanges，一组用于重排开始，另一组用于重排结束，然后将结果组合如下：

### Create GRanges for daughter - copied from example
daughterStart <- GRanges(c(1,2,2), IRanges(c(1384138,3758860,3940051), c(1384862,3759278,3940470)))
daughterEnd <- GRanges(c(1,2,2), IRanges(c(516731,879828,3940856), c(516918,879966,3941250)))

### Create GRanges for mother - copied from example
motherStart <- GRanges(c(2,1,2), IRanges(c(3758858,1384138,3940051), c(3759282,1384862,3940470)))
motherEnd <- GRanges(c(2,3,3), IRanges(c(879828,116231,1540856), c(879966,516918,3941250)))

starOverlap <- suppressWarnings( findOverlaps(query = daughterStart, subject = motherStart) ) # suppressWarnings to ignore wanings about different chromosomes
endOverlap  <- suppressWarnings( findOverlaps(query = daughterEnd,   subject = motherEnd  ) )

最后，我们确定重排-开始和重排-结束重叠中是否有任何相同的重叠：

> starOverlap %in% endOverlap
[1] FALSE  TRUE FALSE

> starOverlap@queryHits[ ! (starOverlap %in% endOverlap) ]
[1] 1 3

由于这种方法依赖于findOverlaps，并且是矢量化的，因此它将快速地进行数百万次重新排列