根据截止将区域分成更小的区域

Question

这是我假设的一个有点简单的编程问题，但我一直在努力解决它。主要是因为我不知道该用什么词，也许吧？

给定一组“范围”（以 1-一组如下数字、2-IRanges 或 3-GenomicRanges 的形式），我想将其拆分为一组更小的范围。

示例开头：

Chr    Start     End
1        1        10000
2        1        5000

间隔大小示例：2000

新数据集：

Chr    Start    End
1        1       2000
1        2001    4000
1        4001    6000
1        6001    8000
1        8001    10000
2        1       2000
2        2001    4000
2        4001    5000

我在 R 中执行此操作。我知道我可以使用 seq 简单地生成这些，但我希望能够基于区域列表/df 来执行此操作，而不必每次都手动执行时间我有一个新的地区列表。

这是我使用 seq 制作的示例：

给定 22 条染色体，遍历它们并将每条染色体分成几块

# initialize df
Regions <- data.frame(Chromosome = c(), Start = c(), End = c())
# for each row, do the following
for(i in 1:nrow(Chromosomes)){
     # create a sequence from the minimum start to the max end by some value
     breks <- seq(min(Chromosomes$Start[Chromosomes$Chromosome == i]), max(Chromosomes$End[Chromosomes$Chromosome == i]), by=2000000)

     # put this into a dataframe
     database <- data.frame(Chromosome = i, Start = breks, End = c(breks[2:length(breks)]-1, max(Chromosomes$End[Chromosomes$Chromosome == i])))

     # bind with what we already have
     Regions <- rbind(Regions, database)
     rm(database)
}

这很好用，我想知道一个包中是否已经内置了一些东西可以作为单线或者更灵活，因为这有其局限性。

Answer 1

使用 R / Bioconductor 包 GenomicRanges，这是您的初始范围

library(GenomicRanges)
rngs = GRanges(1:2, IRanges(1, c(10000, 5000)))

然后在整个基因组中创建一个滑动窗口，首先生成一个列表（每个染色体一组图块），然后根据您的问题中的格式不列出

> windows = slidingWindows(rngs, width=2000, step=2000)
> unlist(windows)
GRanges object with 8 ranges and 0 metadata columns:
      seqnames        ranges strand
         <Rle>     <IRanges>  <Rle>
  [1]        1 [   1,  2000]      *
  [2]        1 [2001,  4000]      *
  [3]        1 [4001,  6000]      *
  [4]        1 [6001,  8000]      *
  [5]        1 [8001, 10000]      *
  [6]        2 [   1,  2000]      *
  [7]        2 [2001,  4000]      *
  [8]        2 [4001,  5000]      *

  -------
  seqinfo: 2 sequences from an unspecified genome; no seqlengths

使用as(df, "GRanges") 或as(unlist(tiles), "data.frame") 强制从/到data.frame。

在?"slidingWindows,GenomicRanges-method" 寻求帮助（标签完成是你的朋友，?"slidingW<tab>）。

尴尬的是，这似乎只在 GenomicRanges 的'devel' version 中实现（v. 1.25.93？）； tile 做了类似的事情，但在跨越 GRange 的宽度时将范围的宽度四舍五入到大致相等。这是穷人的版本

windows <- function(gr, width, withMcols=FALSE) {
    starts <- Map(seq, start(rngs), end(rngs), by=width)
    ends <- Map(function(starts, len) c(tail(starts, -1) - 1L, len),
                starts, end(gr))
    seq <- rep(seqnames(gr), lengths(starts))
    strand <- rep(strand(gr), lengths(starts))
    result <- GRanges(seq, IRanges(unlist(starts), unlist(ends)), strand)
    seqinfo(result) <- seqinfo(gr)
    if (withMcols) {
        idx <- rep(seq_len(nrow(gr)), lengths(starts))
        mcols(result) = mcols(gr)[idx,,drop=FALSE]
    }
    result
}

调用为

> windows(rngs, 2000)

如果该方法有用，请考虑在 Bioconductor support site 上提出后续问题。