使用R将2行SNP数据转换为1行SNP数据

Question

因此，我的问题出现是因为我目前正在处理以以下格式接收的.csv文件的SNP数据：

alleleID | sample1 | sample2 | sample3
---------------------------------------
    A    |    1    |    0    |    0     
    A    |    0    |    1    |    1      
    B    |    0    |    0    |    1       
    B    |    1    |    1    |    0      
    C    |    1    |    0    |    1      
    C    |    1    |    1    |    1   

我需要合并具有相同alleleID的行(因此合并行2和3，合并4和5，合并6和7)，保持alleleID，但根据以下条件更改其他单元格的值：

1个和1个-> 2

0和1 -> 1

1和0 -> 0*，其中第一个值是顶行，第二个值是底行。

因此，最终结果应该是：

alleleID | sample1 | sample2 | sample3
---------------------------------------
    A    |    0    |    1    |    1
    B    |    1    |    1    |    0
    C    |    2    |    1    |    2   

我怎样才能用R获得它呢？

致以敬意，

洛伦佐

另外，谢谢seb修好了桌子

另外，我已经在R中尝试了一些东西，但都不起作用，我认为添加我到目前为止尝试过的东西只会让人感到困惑

Answer 1

下面是我推荐的步骤：

1. 设置一个矩阵，将矩阵的行名和列名分别命名为AlleleID和sample#，并将矩阵的值添加到上面的数据上，然后使用AlleleID和sample#对矩阵进行索引，将观察到的数据值添加到矩阵值中。

例如，对于AlleleID C和Sample sample1，矩阵值会将值1相加两次，从而得到矩阵值2。

Answer 2

您可以创建一个小函数来运行您的逻辑-这利用了0和FALSE，以及1和TRUE

fx <- function(x){
  if(x[1] & x[2]) return(2)
  if(!x[1] & x[2]) return(1)
  if(x[1] & !x[2]) return(0)
  return(0)
}

然后使用dplyr遍历等位基因

library(dplyr)
df %>% group_by(alleleID) %>% summarise_all(fx)

如果您的数据集很大，可能有更快的方法来运行它-例如，在运行之前将整个数据集转换为TRUE/FALSE。

您还应该检查每个等位基因是否有且只有两行

也许吧

stopifnot(all(table(df$alleleID) == 2))

数据

df <- read.table(text = "alleleID | sample1 | sample2 | sample3
    A    |    1    |    0    |    0     
    A    |    0    |    1    |    1      
    B    |    0    |    0    |    1       
    B    |    1    |    1    |    0      
    C    |    1    |    0    |    1      
    C    |    1    |    1    |    1 ", header = TRUE, sep = "|")