BioConductor IRanges覆盖率计数和识别段

Question

我有一组制造电路的区间信息数据集。

df <- data.frame(structure(list(circuit = structure(c(2L, 1L, 2L, 1L, 2L, 3L, 
1L, 1L, 2L), .Label = c("a", "b", "c"), class = "factor"), start = structure(c(1393621200, 
1393627920, 1393628400, 1393631520, 1393650300, 1393646400, 1393656000, 
1393668000, 1393666200), class = c("POSIXct", "POSIXt"), tzone = ""), 
end = structure(c(1393626600, 1393631519, 1393639200, 1393632000, 
1393660500, 1393673400, 1393667999, 1393671600, 1393677000
), class = c("POSIXct", "POSIXt"), tzone = ""), id = structure(1:9, .Label = c("1001", 
"1002", "1003", "1004", "1005", "1006", "1007", "1008", "1009"
), class = "factor")), .Names = c("circuit", "start", "end", 
"id"), class = "data.frame", row.names = c(NA, -9L)))

​

​

• 电路：电路标识符
• 启动：电路开始运行的时间
• Finish：电路停止运行的时间
• Id：行的唯一标识符

我能够创建一个新的数据集来统计重叠间隔的数量：

ir <- IRanges(start = as.numeric(df$start), end = as.numeric(df$end), names = df$id)

cov <- coverage(ir)

start_time <- as.POSIXlt(start(cov), origin = "1970-01-01")
end_time   <- as.POSIXlt(end(cov), origin = "1970-01-01")
seconds    <- runLength(cov)
circuits_running <- runValue(cov)

res <- data.frame(start_time,end_time,seconds,circuits_running)[-1,]

​

​

但我真正需要的是更像这样的东西：

sqldf("select 
            res.start_time, 
            res.end_time, 
            res.seconds, 
            res.circuits_running, 
            df.circuit, 
            df.id
      from res left join df on (res.start_time between df.start and df.end)")

​

问题是，在我的完整数据集中，使用不等式联接的sqldf方式速度慢得令人难以忍受。

单独使用IRanges 如何获得类似的东西？

我怀疑这与RangedData有关，但我一直未能看到如何得到我想要的东西。这是我试过的..。

rd <- RangedData(ir, circuit = df$circuit, id = df$id)
coverage(rd) # works but seems to lose the circuit/id info

Answer 1

覆盖范围可以表示为范围，删除第一个范围(范围从1970年到第一个起点)。

cov <- coverage(ir)
intervals <- ranges(cov)[-1]

您的查询是查找每个电路间隔的开始，因此我将间隔缩小到它们的起始坐标并查找重叠(第一个参数是' query '，第二个参数是'subject')。

olaps <- findOverlaps(narrow(intervals, width(intervals)), ir)

在特定时间间隔内运行的电路数目为

tabulate(queryHits(olaps), queryLength(olaps))

实际电路是

df[subjectHits(olaps), c("circuit", "id")]

也许，这些碎片可以编织在一起。

df1 <- cbind(uid=seq_along(intervals),
             as.data.frame(intervals),
             circuits_running=tabulate(queryHits(olaps), queryLength(olaps)))
df2 <- cbind(uid=queryHits(olaps),
             df[subjectHits(olaps), c("circuit", "id")])
merge(df1, df2, by="uid", all=TRUE)

范围可以以协调的方式与可访问和子集的“元数据”相关联，因此data.frame和Ranges之间的连接不必如此松散和特殊。相反，我可能

ir <- IRanges(start = as.numeric(df$start), end = as.numeric(df$end))
mcols(ir) <- DataFrame(df)
## ...
mcols(ir[subjectHits(olaps)])

也许是用as.data.frame()做的，当用IRanges land。

最好在生物导体IRanges上问你关于邮寄名单的问题，不需要订阅。