如何根据一系列值匹配数据[重复]

Question

我有 2 个基因数据集，我试图在其中查找基因组（文件 1）中某个位置的变体是否在另一个数据集（文件 2）中我的任何行的范围内匹配/找到，然后提取找到的匹配项文件 2 与文件 1 合并。一个条件是匹配项仅在具有相同染色体的情况下搜索变体。例如：

文件1：

Chromosome    Position
1              3
1              47
2              10
3              2

文件2：

Chromosome    Start    End
1              101      102
1              40       50  
2              40       50
3              20       22

预期输出：

Chromosome    Start    End
1              40       50 
#this is the only row from which a variant from file1 fits in its position range and is on the same chromosome

理想情况下，我会合并 file1 变体，以与 file2 中匹配的染色体开始和结束位置在同一行中对齐，但我是 R 新手，并坚持尝试基于如果它的位置编号在第二个文件的范围内。目前我正在努力适应：

dt1[ dt2, match := i.,ID  #including a made-up ID column for the sake of trying to adapt this code 
     on = .(Chromosome, Position > Start, Position < End ) ]

但这似乎不起作用，除此之外我不知道如何开始。任何有关如何解决此问题的帮助将不胜感激

数据：

dput(file1)
structure(list(Chromosome = c(1L, 1L, 2L, 3L), Position = c(3L, 
47L, 10L, 2L)), row.names = c(NA, -4L), class = c("data.table", 
"data.frame"))

dput(file2)
structure(list(Chromosome = c(1L, 1L, 2L, 3L), Start = c(101L, 
40L, 40L, 20L), End = c(102L, 50L, 50L, 22L)), row.names = c(NA, 
-4L), class = c("data.table", "data.frame"))

Answer 1

您可以使用tidyverse 包进行重新编码并获取chromosomes，其中Position 的值介于Start 和End 之间。

library(tidyverse)

df<-file1 %>%
  # Join by Chromosome, it will duplicate each Position by Start and End Values
  left_join(file2, 
            by = "Chromosome") %>% 
  # Create a new column to indicate if the Position is between Start and End values
  mutate(isRange = Position >= Start & Position <= End) %>%
  # Filter to stay with only the chromosomes where the previous condition is met
  filter(isRange)