【发布时间】：2016-02-26 19:56:01
【问题描述】：
这是一个开放式问题，旨在定义基因组中每个位置（对应于“CpG”位点）的状态，这些位置因样本而异。 这个问题的原因是可用的工具定义了 CpG 窗口的状态，而不是单个 CpG。
我有一张这样的桌子： 列是：染色体编号（chr）、兴趣基的初始（开始）和最终（结束）位置、预期覆盖范围（深度）、观察到的对不同 6 种动物的覆盖范围（深度1-深度6）。
data <- "chr start end depth depth1 depth2 depth3 depth4 depth5 depth6
chr1 3273 3273 7 200 35 1 200 850 0
chr1 3274 3274 3 50 25 5 300 1500 2
chr1 3275 3275 8 600 15 8 100 300 5
chr1 3276 3276 4 30 2 10 59 20 0
chr1 3277 3277 25 20 7 4 600 45 0"
data <- read.table(text=data, header=T)
我需要用每一行的状态定义一列，状态是：未覆盖区域，交替覆盖和经常覆盖。
为此，首先，我需要对样本之间的深度进行归一化，以获得可以在个体之间进行比较的值。 其次，我必须定义状态之间的范围（到目前为止，任何范围都是可以接受的）；
我发现这个脚本做的事情类似于我需要标准化深度，但我还不能应用于我的案例（这个脚本被设计为“CpG 窗口”并显示“C”和“G”的频率在每个窗口中。
setMethod("normalizeCoverage", "methylRawList",
function(obj,method){
if(method=="median"){
x=sapply(obj,function(x) median(x$coverage) )
}else if(method=="mean"){
x=sapply(obj,function(x) mean(x$coverage) )
}else{
stop("method option should be either 'mean' or 'median'\n")
}
sc.fac=max(x)/x #get scaling factor
for(i in 1:length(obj)){
all.cov=obj[[i]]$coverage
fCs =obj[[i]]$numCs/all.cov
fTs =obj[[i]]$numT/all.cov
obj[[i]]$coverage=round(sc.fac[i]*obj[[i]]$coverage)
obj[[i]]$numCs =round(obj[[i]]$coverage*fCs)
obj[[i]]$numTs =round(obj[[i]]$coverage*fTs)
}
obj
})
我还检查了 R 的这个“边缘包”函数，它用于 RNAseq 标准化数据，看起来像这样：
calcNormFactors(object, method=c("TMM","RLE","upperquartile","none"), refColumn = NULL,
logratioTrim = .3, sumTrim = 0.05, doWeighting=TRUE, Acutoff=-1e10, p=0.75)
但我还不能应用到我的数据。
我希望我的最终结果是这样的：
chr start State
chr1 3273 Often
chr1 3274 alternatively
chr1 3275 no
chr1 3276 often
chr1 3277 no
但我真的只对每个样本覆盖的标准化深度感到满意。
【问题讨论】：
标签： r normalization sapply bioconductor