• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

R语言实现对基因组SNV进行注释

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

    很多时候,我们需要对取出的SNV进行注释,这个时候可能会在R上进行注释,通常注释文件都含有Chr(染色体)、Start(开始位点)、End(结束位点)、Description(描述),而我们的SNV文件通常是拥有Position(位置),因此我们可以先定位Chr,再用Postion去定位到Start和End之间,找到相对应的Description。为了加快速度,可以使用二分查找法。

 1 for (value in dt$value){
 2 #df:data.frame, V1 and V2 should be Start and End   value: Postition  used to find region  return:df row number where position locates  ,if no region return -1
 3     low=1
 4     high=nrow(df)
 5     mid=high %/% 2
 6     if (df[low,1] <= value & value <= df[low,2]) low
 7     else if (df[high,1] <= value & value <= df[high,2]) high
 8     else{
 9     while (value > df[mid,2] || value < df[mid,1]){
10       if (value > df[mid,2]){
11         low = mid+1
12       } else if (value < df[mid,1]) {
13         high = mid - 1
14       } 
15       if(high<low){
16          mid=-1;break
17       }
18       mid=(low+high)%/%2
19     }
20       mid
21 }
22 }

在R中使用for循环效率低,因此也可以用data.table包的foverlap函数,改进代码如下,对bed文件进行注释,如果要对snv进行注释,只需要将snv改成相应的start和end相等的bed文件即可。

 1 #!/bin/Rscript
 2 
 3 library(data.table)
 4 
 5 arg <- commandArgs(T)
 6 if (length(arg) != 3) {
 7     message("[usage]: BedAnnoGene.R bedfile gtffile outputfile")
 8     message("    bedfile format: chr start end information(Arbitrary but can not be lacked)")
 9     message("    GTFfile: gtf file downloaded from GENCODE")
10     message("    outputfile: file to be writen out")
11     message("    needed package: data.table 1.10.4")
12     stop("Please check your arguments!")
13 }
14     
15 bedfile <- arg[1]
16 annofile <- arg[2]
17 outfile <- arg[3]
18 
19 #read file 
20 anno <- fread(annofile,sep="\t",header=F)
21 bed <- fread(bedfile,sep="\t",header=F)
22 setnames(anno,c("V1","V2","V3","V4","V5","V9"),c("Chr","Gene","Type","Start","End","Info"))
23 anno <- anno[Type=="gene",.(Chr,Start,End,Gene=sapply(strsplit(tstrsplit(Info,";")[3][[1]],"\""),function(x)x[2]))]
24 setkey(anno,Chr,Start,End)
25 setkey(bed,V1,V2,V3)
26 
27 #find overlaps by Chr
28 lst <- list()
29 for (ChrI in intersect(unique(bed$V1),unique(anno$Chr))){
30   anno_reg <- anno[Chr == ChrI,.(Start,End)]
31   bed_reg <- bed[V1 == ChrI,.(V2,V3)]
32   setkey(anno_reg,Start,End)
33   setkey(bed_reg,V2,V3)
34   overl <- foverlaps(bed_reg,anno_reg,which=TRUE,nomatch = 0)
35   if (nrow(overl) > 0){
36     lst[[ChrI]] <- data.table(Chr=ChrI,bed[V1 == ChrI,][overl[["xid"]],.(V2,V3,V4)],anno[Chr == ChrI][overl[["yid"]],.(Gene)])
37   }
38 }
39 merge_dt <- rbindlist(lst)
40 setnames(merge_dt,c("V2","V3","V4"),c("Start","End","Name"))
41 
42 #if one region has more than one gene
43 torm <- list()
44 for (i in 1:(nrow(merge_dt)-1)){if(merge_dt[i,"Name"]==merge_dt[i+1,"Name"]){set(merge_dt,i+1L,ncol(merge_dt),paste(merge_dt[i,"Gene"],merge_dt[i+1,"Gene"],sep=";"));torm <- c(torm,list(i))}}
45 torm <- unlist(torm)
46 merge_dt <- merge_dt[-torm,]
47 
48 fwrite(merge_dt,file=outfile)

使用帮助可以在我github看到   https://github.com/yiliu4234/BedAnnoGene

 


鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
[2]R语言在数据处理上的禀赋之——可视化技术发布时间:2022-07-18
下一篇:
R语言平滑连接发布时间:2022-07-18
热门推荐
热门话题
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap