根据基因组坐标对R数据帧进行分组，以绘制每个碱基的平均覆盖率

Question

我想沿着不同的样本绘制基因组学区域每个碱基的平均覆盖率:我想绘制每个基因组在x轴上的位置，以及它在y轴上的平均覆盖率。

我有这个文件:其中第一列表示基因组区域，第二列表示不同样本的平均覆盖率。

12:36761802-36761804 54
12:36761802-36761805 42
12:36761802-36761806 56.5
12:36761802-36761810 28.75
12:36761803-36761804 29
12:36761803-36761806 30

正如您所看到的，行是重叠的，所以我不确定如何绘制它。

Answer 1

您可以将范围绘制为线段：

library(ggplot2)

df$region_start <- as.numeric(unlist(lapply(strsplit(df$region, "-"), `[`, 1)))
df$region_end <- as.numeric(unlist(lapply(strsplit(df$region, "-"), `[`, 2)))

ggplot(df, aes(x = region_start, y = mean, colour = region)) + 
  geom_segment(aes(xend = region_end, yend = mean), size = 1.5) +
  labs(x = "locus")

​

​

编辑

在从OP中进一步澄清之后，它是应该绘制的每个点的值的平均值。这稍微有点复杂，但使用dplyr只需几行代码即可完成

library(ggplot2)
library(dplyr)

df$region_start <- as.numeric(unlist(lapply(strsplit(df$region, "-"), `[`, 1)))
df$region_end <- as.numeric(unlist(lapply(strsplit(df$region, "-"), `[`, 2)))
do.call("rbind", mapply(function(x, y, z) cbind(x:y, rep(z, 1 + y - x)),
                        df$region_start, 
                        df$region_end, 
                        df$mean)) %>%
  as.data.frame()                 %>%
  setNames(c("Locus", "Value"))   %>%
  group_by(Locus)                 %>%
  summarise(mean = mean(Value))   %>%
  ggplot(aes(x = Locus, y = mean)) + 
  geom_line() + labs(x = "Locus")

​

​

使用的数据：

           region  mean
36761802-36761804    54
36761802-36761805    42
36761802-36761806  56.5
36761802-36761810 28.75
36761803-36761804    29
36761803-36761806    30

Reprex：

df <- structure(list(region = c("36761802-36761804", "36761802-36761805", 
                "36761802-36761806", "36761802-36761810", "36761803-36761804", 
                "36761803-36761806"), mean = c(54, 42, 56.5, 28.75, 29, 30)), 
                class = "data.frame", row.names = c(NA, -6L))