[英]Select all samples with a specified base at a particular position
我是 R 编程的新手,并试图完成一项非常具体的任务。
我有一个 n 样本的 fasta 序列,我在ape
中阅读:
library(ape)
matrix <- read.dna(myfasta, format="fasta", as.character=TRUE)
这创建了一个矩阵,如下所示:
| | V1 | V2 | V3 | V4 |...
|------------------------|
|Seq1| a | t | g | c |...
|Seq2| a | t | g | a |...
|Seq3| a | t | c | c |...
|Seq4| t | t | g | a |...
|... |
其中 Seq(n) 是每个样品的 DNA 序列,V(n) 表示核苷酸 position。
我怎样才能 select 在某个 position(例如“V1”)处带有某个核苷酸(例如“a”)的序列,然后将这些序列作为连接字符串返回?
所以对于 position V1,我想要类似“Seq1,Seq2,Seq3”的东西,对于 position V4,对于相同的基础,我想要“Seq2,Seq4”
我试过which()
和filter(matrix, V1 == "a")
但我很挣扎。
提前致谢!
最简单的方法是 select V1 == 'a'
行与rownames
索引,然后提取行名:
rownames(example[example[,"V1"] == "a", ]) # "No304" "No306"
您提到了filter
,它看起来像dplyr
。 使用 tidyverse 方法来操作对行名很重要的数据有点麻烦,因为默认情况下会删除行名。
如果您想使用filter
,您必须首先将行名保存为显式列:
library(dplyr)
as.data.frame(example) %>%
mutate(sequence = rownames(.), .before = everything()) %>%
filter(V1 == "a") %>%
select(sequence)
sequence
1 No304
2 No306
数据(来自ape
read.dna 文档)
library(ape)
cat(">No305",
"NTTCGAAAAACACACCCACTACTAAAANTTATCAGTCACT",
">No304",
"ATTCGAAAAACACACCCACTACTAAAAATTATCAACCACT",
">No306",
"ATTCGAAAAACACACCCACTACTAAAAATTATCAATCACT",
file = "exdna.fas", sep = "\n")
example <- read.dna("exdna.fas", format = "fasta", as.character = TRUE)
colnames(example) <- paste0("V", 1:ncol(example))
example
V1 V2 V3 V4 ...
No305 "n" "t" "t" "c"
No304 "a" "t" "t" "c"
No306 "a" "t" "t" "c"
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.