与 R 矩阵的 DNA 成对距离

Question

在处理 DNA 时，我们经常需要三角形 p 距离矩阵，它包含序列对之间不同位点的比例。因此：

1. AGGTT
2. AGCTA
3. AGGTA

产量：

      1    2
2   0.4
3   0.2  0.2

在某些 R 包中可以使用 p 距离计算，但假设我需要使用数字代码 (-1,0,1,2)，而不是字母 (C,T,A,G)。如何从“my.matrix”生成三角 p 距离矩阵？

# Define DNA matrix dimensions
bp = 5  # DNA matrix length
n  = 3  # DNA matrix height
# Build Binary Matrices
purine <- matrix(sample(0:1,(bp*n),replace=TRUE,prob=c(0.5,0.5)),n,bp)
ketone <- matrix(sample(0:1,(bp*n),replace=TRUE,prob=c(0.5,0.5)),n,bp)
strong <- 1-(abs(purine-ketone))
my.matrix <- (purine*strong-ketone)+(purine*ketone-strong)+purine+ketone
my.matrix

Answer 1

我不确定你在用 my.matrix 做什么，但这应该适用于字符或数字

x<-c("AGGTT", "AGCTA", "AGGTA")
y<-do.call("rbind", strsplit(x, "")) 
y
     [,1] [,2] [,3] [,4] [,5]
[1,] "A"  "G"  "G"  "T"  "T" 
[2,] "A"  "G"  "C"  "T"  "A" 
[3,] "A"  "G"  "G"  "T"  "A" 
z <- apply(y, 1, function(x) colMeans(x != t(y)) )
z
     [,1] [,2] [,3]
[1,]  0.0  0.4  0.2
[2,]  0.4  0.0  0.2
[3,]  0.2  0.2  0.0

如果需要，您可能可以使用 lower 或 upper.tri 来获得三角形。另外，如果 apply 函数看起来很混乱，它只是将这个函数应用于所有三行......

y[1,] == t(y)
     [,1]  [,2]  [,3]
[1,] TRUE  TRUE  TRUE
[2,] TRUE  TRUE  TRUE
[3,] TRUE FALSE  TRUE
[4,] TRUE  TRUE  TRUE
[5,] TRUE FALSE FALSE

...这将返回距离矩阵中的第一行

colMeans(y[1,] != t(y))
[1] 0.0 0.4 0.2