使用for循环替换DNA序列中给定位置的DNA核苷酸

Question

在 R 数据框中，我正在尝试使用位置列号将突变列 DNA 核苷酸替换为 WT.seq。

以下是我的数据框

    transcript  position    ref mutation    type    WT.seq
1   trx1    5   A   G   substitution    ATAAAA
2   trx2    3   C   A   substitution    CCCCCC
3   trx3    7   T   C   substitution    AAAAAATGG

数据框中的预期输出

    transcript  position    ref mutation    type    WT.seq
1   trx1    5   A   G   substitution    ATAAGA
2   trx2    3   C   A   substitution    CCACCC
3   trx3    7   T   C   substitution    AAAAAACGG

解释

例如，在给定的输出数据帧WT.seq column中包含 DNA 序列，并且在 WT.seq 的第一行中存在 DNA 序列ATAAAA并且我必须替换突变列 DNA 核苷酸G(mutation column,1st row)在5th position of ATAAAA G at 5th position后，它将是ATAAGA 。 这个位置编号是从position column,1st row给出的。 我必须对数据框中的所有行执行此操作。 我的数据框包含数千行。

在上面的输出中，我使用以下代码为第一行完成了它。

DNA_seq <- read.table("sequences.txt",sep = "\t",header = T)

df<- as.data.frame(DNA_seq)

substring(df[1,6], first=df[1,2]) <- df[1,4]

我想在剩余的行上运行 for 循环，以便在位置列号的帮助下在 WT.seq 列中完成所有突变核苷酸替换

Answer 1

您可以strsplit ， replace位置替换为Map中的突变并重新paste在一起。

transform(dat, WT.mut=Map(replace, strsplit(WT.seq, ''), position, mutation) |>
  sapply(paste, collapse=''))
#   transcript position ref mutation         type    WT.seq    WT.mut
# 1       trx1        5   A        G substitution    ATAAAA    ATAAGA
# 2       trx2        3   C        A substitution    CCCCCC    CCACCC
# 3       trx3        7   T        C substitution AAAAAATGG AAAAAACGG

我使用了一个额外的列来演示，只需将WT.mut=替换为WT.seq=即可覆盖。