检测范围重叠- MATLAB

Question

我有一个脚本，目的是检测沿着染色体的基因之间的差距，这些间隙的坐标，并为这个缺口指定一个类别。

它以这种格式接受一个输入文件：

Chr     start   finish  dir
chrI    335     649     +
chrI    538     792     +
chrI    1807    2169    -
chrI    2480    2707    +
chrI    7235    9016    -
chrI    10091   10399   +
chrI    11565   11951   -
chrI    12046   12426   +
chrI    13363   13743   -
chrI    21566   21850   +
chrI    22395   22685   -
chrI    24000   27968   -
chrI    31567   32940   +
chrI    33448   34701   +

剧本：

k = 0;
for i=1:(length(start)-1)
    if start(i+1)<finish(i)
        continue
    else
    end
    k = k+1;
    IGR(k,1) = finish(i)+1;
    IGR(k,2) = start(i+1)-1;
    if dir{i}=='+' && dir{i+1}=='-'
        type{k,1} = 'Convergent';
    end
    if dir{i}=='+' && dir{i+1}=='+'
        type{k,1} = 'Tandem';
    end
    if dir{i}=='-' && dir{i+1}=='+'
        type{k,1} = 'Divergent';
    end
    if dir{i}=='-' && dir{i+1}=='-'
        type{k,1} = 'Tandem';
    end
end

这对上面的输入很有效，但是如果超过2个基因重叠，则确定相邻基因是否重叠if start(i+1)<finish(i)的检查失败。当输入数据按start排序时，下面的输入无法正确工作，因此它无法检测到第三个基因重叠于第一个基因，只有当基因2和3重叠时才进行检查。

chrII   280     2658    -
chrII   646     1128    +
chrII   2582    2899    -
chrII   2997    5009    -
chrII   5790    6125    +
chrII   7605    7733    -

期望的输出是系统检测基因1-3相互重叠，从而忽略它们--基因3和基因4之间的第一个间隙被检测到：

​

​

红色区块代表了我试图检测到的区域，同时忽略了重叠的基因(因为它们不会产生缝隙)。蓝色块显示chrII开始时的每个单独的基因。

有没有人有更有力的方法来检查重叠的建议？

编辑

我的完整输入文件中有按染色体排序的基因，即：

Chr     start   finish  dir
chrI    335     649     +
chrI    538     792     +
chrI    1807    2169    -
chrI    2480    2707    +
chrI    7235    9016    -
chrII   280     2658    -
chrII   646     1128    +
chrII   2582    2899    -
chrII   2997    5009    -
chrII   5790    6125    +
chrII   7605    7733    -

任何检测重叠的方法都不能跨越染色体边界，一旦chrI结束，chrII开始，就必须更新过程，使chrI上的最后一个基因不能与chrII上的第一个基因进行检测。

Answer 1

将脚本的第3行更改为

if start(i+1)<max(finish(1:i))

使用第二组示例数据，我得到以下输出：

2900-2996: Tandem
5010-5789: Divergent
6126-7604: Convergent

这就是你想要的？

巴勒

Answer 2

从您的问题中，我假设您已经在两个向量中得到了每个范围的开始值和结束值：

start = [ 280
          646
          2582
          2997
          5790
          7605 ];
finish = [ 2658
           1128 
           2899
           5009
           6125
           7733 ];

现在，的两个范围重叠当且仅当每个区域在完成之前就开始了。所以

overlap = bsxfun(@lt, start(:), finish(:).'); %'// or @le to include equality
overlap = overlap & overlap.';

给出一个正方形对称矩阵overlap，使得overlap(m,n)是1如果距离m和n重叠。您可能希望删除对角线(范围显然与其本身重叠，但这并不有趣)：

overlap(1:numel(start)+1:end) = 0;

对于示例输出，结果是

overlap =
     0     1     1     0     0     0
     1     0     0     0     0     0
     1     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0
     0     0     0     0     0     0

这告诉您范围1和2重叠，也范围1和3重叠(注意，范围2和3不重叠)。