查找 R 中不是时间或基因组的整数重叠范围的值

Question

我正在尝试计算海洋物种和人类活动的重叠深度范围。因此，对于每个物种，它都有一个最小和最大深度，我想有效地计算与 4 个不同活动的深度范围重叠的深度范围。我认为这可以通过data.table::foverlaps() 或IRanges::findOverlaps() 完成，但我无法弄清楚如何计算重叠的值，而不仅仅是它是真还是假。因此，如果物种 D 出现在 40-100m 深度，而活动 1 发生在 0-50m 深度，则重叠为 10m。

例如，

min_1 <- 0 
max_1 <- 50
min_2 <- 0 
max_2 <- 70
min_3 <- 0
max_3 <- 200
min_4 <- 0
max_4 <- 500

activities <- data.frame(min_1, max_1, min_2, max_2, min_3, max_3, min_4, max_4)

spp_id <- c("a", "b", "c", "d")
spp_depth_min <- c(0, 20, 30, 40)
spp_depth_max <- c(200, 500, 50, 100)

species <- data.frame(spp_id, spp_depth_min, spp_depth_max)

## data.table approach?

setDT(activities)
setDT(species)

foverlaps(species, activities, ...) ## Or do I need to subset each activity and do separate calculations? 

写一个函数会更容易吗？我真的很陌生！这似乎应该是一件常见/容易的事情，我不知道为什么它让我这么困惑

Answer 1

我将您的活动表重组为长表格，以便您可以同时进行所有 4 项计算。然后overlaps join就完成了，接下来就可以根据结果计算重叠长度了。

activities <- data.table(
  act = c('act_1','act_2','act_3','act_4'),
  a_min = c(min_1, min_2, min_3, min_4),
  a_max = c(max_1, max_2, max_3, max_4)
  )

spp_id <- c("a", "b", "c", "d")
spp_depth_min <- c(0, 20, 30, 40)
spp_depth_max <- c(200, 500, 50, 100)

species <- data.table(spp_id, spp_depth_min, spp_depth_max)

setkey(activities,a_min,a_max)

ol <- foverlaps(species, activities, 
  by.x = c('spp_depth_min','spp_depth_max'), 
  by.y = c('a_min','a_max')
  )
ol[,ol_length := pmin(spp_depth_max,a_max)-pmax(spp_depth_min,a_min)]
ol

Answer 2

为了完整起见，这里有一个版本，它使用 non-equi join 而不是调用foverlaps() 函数来查找重叠。此外，使用了 OP 提供的原始数据，即宽格式的activities。

library(data.table)
vals <- c("min", "max")
melt(setDT(activities), measure.vars = patterns(vals), variable.name = "activity", value.name = vals)[
  setDT(species), on = .(max >= spp_depth_min, min <= spp_depth_max), 
    .(activity, spp_id, overlap = pmin(x.max, spp_depth_max) - pmax(x.min, spp_depth_min))]

    activity spp_id overlap
 1:        1      a      50
 2:        2      a      70
 3:        3      a     200
 4:        4      a     200
 5:        1      b      30
 6:        2      b      50
 7:        3      b     180
 8:        4      b     480
 9:        1      c      20
10:        2      c      20
11:        3      c      20
12:        4      c      20
13:        1      d      10
14:        2      d      30
15:        3      d      60
16:        4      d      60

说明

melt() 用于将activities 从宽格式重塑为长格式，同时具有多个度量变量。

非等值连接的条件可以通过一些布尔代数推导出如下：

两个闭区间 [a₁, a₂] 和 [b₁, b₂] 不重叠如果

b₂1 OR a₂1

如果这个布尔表达式被否定，两个区间做重叠：

NOT( b₂1 OR a₂1 ) =

NOT( b₂1 ) AND NOT( a₂1 ) =

b₂ >= a₁ AND a₂ >= b₁

连接识别所有重叠的区间对（对于给定的数据集，4 x 4 = 16 个案例）。每对重叠区域的起点由两个区间中较大的起点给出，终点由两个区间中较小的终点给出。重叠的长度是限制点之间的差异。