GRanges 作为 base::data.frame 中的列答案

【问题标题】：GRanges as column in base::data.frameGRanges 作为 base::data.frame 中的列
【发布时间】：2020-04-09 17:35:59
【问题描述】：

我想将来自 Bioconductor 的 GenomicRanges::GRanges 对象作为单列存储在基础 R data.frame 中。我想将它放在基础 R data.frame 中的原因是因为我想编写一些 ggplot2 函数，这些函数专门用于底层的 data.frames。但是，我所做的任何尝试似乎都没有结果。基本上这就是我想要做的：

library(GenomicRanges)

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

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

但该列会自动扩展，而我喜欢将其作为有效的 GRanges 对象保留在单个列中：

> 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，它可以按我的意愿工作，除了我想要一个基本的 R data.frame 来做同样的事情：

> 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

我也尝试了以下但没有成功：

> 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>

警告信息：在 format.data.frame(if (omit) x[seq_len(n0), , drop = FALSE] else x, 中：损坏的数据框：列将被截断或用 NA 填充

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

rep(value, length.out = nrows) 中的错误：尝试复制“S4”类型的对象

我在使用 vctrs::new_rcrd 实现 Granges 类的 S3 变体方面取得了一些小小的成功，但这似乎是一种非常迂回的方式来获得代表基因组范围的单个列。

【问题讨论】：

嗨@teunbrand，我认为很可能只有 S4Vectors::DataFrame 允许这样做。也许另一种选择是即时转换回 Granges？像 df = data.frame(y=1:2); df$x = data.frame(x) ; makeGRangesFromDataFrame(df$x)
是的，我也很害怕。我可以尝试通过即时将它们转换回来来解决它，但是 ggplot 中整洁的评估框架并没有真正允许这样做，而无需我重新编写一些核心 ggproto 类（如 Layer），我'宁可不做。

标签： r bioconductor genomicranges

【解决方案1】：

我找到了一种非常简单的方法来将 GR 对象转换为数据框，这样您就可以非常轻松地对 data.frame 进行操作。 Repitools 包中的 annoGR2DF 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"

【讨论】：

【解决方案2】：

一个不漂亮但实用的解决方案是使用 GenomicRanges 的访问器函数，然后转换为相关的数据向量，即数字或字符。我添加了 magrittr，但你也可以不添加它。

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

【讨论】：

感谢您花时间写一个答案，但这与我想要做的完全相反。我想将 GRange 保留为单个列，在基本 R data.frame 中。我已经编辑了我的问题以更清楚地说明“单列”，以防止将来出现混淆。
@teunbrand 哦，对不起，我误解了这个问题。稍后会删除，希望有人能找到答案，但似乎 S4Vectors::DataFrame 是唯一的解决方法。

【解决方案3】：

所以自从发布这个问题以来，我发现我的问题的症结似乎在于，只是 S4 对象的格式方法不能很好地与 data.frames 配合使用，并且将 Granges 作为列不一定是问题. （虽然 data.frame 的构造仍然是）。

考虑一下原始问题的这一点：

> 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(if (omit) x[seq_len(n0), , drop = FALSE] else x, : 损坏的数据帧：列将被截断或用 NA 填充

如果我们为GRanges写一个简单的格式化方法，它不会抛出错误：

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

子集似乎也很好：

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

作为奖励，这似乎也适用于其他 S4 课程，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

【讨论】：