将第4栏中的两个字母字符串分开

Question

我有一个数据框架- df -与基因组数据。最后一首歌有两个字母变体。

               id crm     pos allele
160841  rs2237282  11 1273948     AG
160842  rs6417577  11 1276796     AC
165677  rs2151342  11 1199626     GT
165678  rs2749240  11 1258025     AG

我想把最后一封信分成两份，一份一份。

               id crm     pos allele allele2
160841  rs2237282  11 1273948     A       G
160842  rs6417577  11 1276796     A       C
165677  rs2151342  11 1199626     G       T
165678  rs2749240  11 1258025     A       G

我在RStudio 1.1.419，R3.4.3中尝试了使用dplyr和tidyr，但没有成功：

• 分离(df，等位基因，into=c(“等位基因”，"allele2"))
• 分离(df，等位基因，into=c(“等位基因”，"allele2")，sep="")
• 分离(df，等位基因，into=c(“等位基因”，"allele2")，sep="\c")
• 分离(df，等位基因，into=c(“等位基因”，"allele2")，sep=“。
• 分离(df，等位基因，into=c(“等位基因”，"allele2")，sep=.)
• 分离(df，等位基因，into=c(“等位基因”，"allele2")，sep=\c)

我怎样才能得到想要的分裂呢？

Answer 1

在separate中，sep参数可以是数字参数，并表示要拆分的字符位置，因此：

separate(df, allele, into = c("allele1", "allele2"), sep = 1)

给予：

              id crm     pos allele1 allele2
160841 rs2237282  11 1273948       A       G
160842 rs6417577  11 1276796       A       C
165677 rs2151342  11 1199626       G       T
165678 rs2749240  11 1258025       A       G

Answer 2

使用基数r：

HERE=data.frame(A1=character(),A2=character())
cbind(data,strcapture("(.)(.)",data$allele,HERE))
              id crm     pos allele A1 A2
160841 rs2237282  11 1273948     AG  A  G
160842 rs6417577  11 1276796     AC  A  C
165677 rs2151342  11 1199626     GT  G  T
165678 rs2749240  11 1258025     AG  A  G

Answer 3

除了separate之外，extract是提尔包的另一个选项。这可以通过在regex参数中指定捕获组来实现。

library(tidyr)

df %>%
  extract(allele, into = c("allele1", "allele2"), regex = "([ATCG])([ATCG])")
#               id crm     pos allele1 allele2
# 160841 rs2237282  11 1273948       A       G
# 160842 rs6417577  11 1276796       A       C
# 165677 rs2151342  11 1199626       G       T
# 165678 rs2749240  11 1258025       A       G