GRanges作为base::data.frame中的列

Question

我想将生物导体中的GenomicRanges::GRanges对象存储为基R data.frame中的一列。我之所以想把它放在一个基本的R data.frame中，是因为我想编写一些ggplot2函数，这些函数专门用于引擎盖下的data.frames。然而，我所做的任何尝试似乎都是徒劳的。基本上，这就是我想做的：

library(GenomicRanges)

x <- GRanges(c("chr1:100-200", "chr1:200-300"))

df <- data.frame(x = x, y = 1:2)

但是该列是自动展开的，而我喜欢将它作为一个有效的GRanges对象保存在一个列中：

> df
  x.seqnames x.start x.end x.width x.strand y
1       chr1     100   200     101        * 1
2       chr1     200   300     101        * 2

当我使用S4Vectors::DataFrame时，它的工作原理是我想要的，除了我希望一个基本的R data.frame做同样的事情：

> S4Vectors::DataFrame(x = x, y = 1:2)
DataFrame with 2 rows and 2 columns
             x         y
     <GRanges> <integer>
1 chr1:100-200         1
2 chr1:200-300         2

我也尝试了以下没有成功的方法：

> df <- data.frame(y = 1:2)
> df[["x"]] <- x
> df
  y                                                           x
1 1 <S4 class ‘GRanges’ [package “GenomicRanges”] with 7 slots>
2 2                                                        <NA>

警告消息:在format.data.frame(如果(省略) xseq_len(n0) )中，drop = FALSE or，：损坏的数据帧:列将被截断或填充NAs

df[["x"]] <- I(x)

rep中的错误(value，length.out =nrow)：尝试复制'S4‘类型的对象

我在使用S3实现GRanges类的一个变体方面取得了一些小小的成功，但这似乎是一种非常简单的方法，可以得到一列代表基因组范围的列。

Answer 1

我找到了一种非常简单的方法，可以将GR对象转换为data.frame，以便您可以非常容易地对data.frame进行操作。Repitools包中的https://rdrr.io/bioc/Repitools/man/annoGR2DF.html函数可以做到这一点。

> library(GenomicRanges)
> library(Repitools)
> 
> x <- GRanges(c("chr1:100-200", "chr1:200-300"))
> 
> df <- annoGR2DF(x)
> df
   chr start end width
1 chr1   100 200   101
2 chr1   200 300   101
> class(df)
[1] "data.frame"

Answer 2

一个不太好但实用的解决方案是使用GenomicRanges的访问函数，然后转换成相关的数据向量，即数字或字符。我添加了magrittr，但你也可以不使用它。

library(GenomicRanges)
library(magrittr)

x <- GRanges(c("chr1:100-200", "chr1:200-300"))
df <- data.frame(y = 1:2)
df$chr <- seqnames(x) %>% as.character
df$start <- start(x) %>% as.numeric
df$end <- end(x) %>% as.numeric
df$strand <- strand(x) %>% as.character
df$width <- width(x) %>% as.numeric
df

Answer 3

因此，在发布这个问题之后，我发现问题的症结似乎在于，仅仅是S4对象的格式方法没有很好地处理data.frames，而将GRanges作为列并不一定是一个问题。(不过，data.frame的建设仍在继续)。

考虑一下原来问题的这一点：

> df <- data.frame(y = 1:2)
> df[["x"]] <- x
> df
  y                                                           x
1 1 <S4 class ‘GRanges’ [package “GenomicRanges”] with 7 slots>
2 2   

警告消息:在format.data.frame(如果(省略) xseq_len(n0) )中，drop = FALSE or，：损坏的数据帧:列将被截断或填充NAs

如果我们为GRanges编写一个简单的格式方法，它将不会引发错误：

library(GenomicRanges)

format.GRanges <- function(x, ...) {showAsCell(x)}

df <- data.frame(y = 1:3)

df$x <- GRanges(c("chr1:100-200", "chr1:200-300", "chr2:100-200"))

> df
  y            x
1 1 chr1:100-200
2 2 chr1:200-300
3 3 chr2:100-200

它似乎也很好：

> df[c(1,3),]
  y            x
1 1 chr1:100-200
3 3 chr2:100-200

作为一种奖励，这似乎也适用于其他S4类，例如：

library(S4Vectors)

format.Rle <- function(x, ...) {showAsCell(x)}

x <- Rle(1:5, 5:1)

df <- data.frame(y = 1:15)
df$x <- x