问题描述
我是 R 编程新手,正在尝试完成一项非常具体的任务。
我有 n 个样本的 fasta 序列,我在 ape
中读取:
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) 是每个样本的 DNA 序列,V(n) 表示核苷酸位置。
如何选择在某个位置(例如“V1”)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?
所以对于位置 V1,我想要类似“Seq1、Seq2、Seq3”的东西,对于位置 V4,对于相同的碱基,我想要“Seq2、Seq4”
我尝试过 which()
和 filter(matrix,V1 == "a")
,但我很挣扎。
提前致谢!
解决方法
最简单的方法是选择带有布尔索引的V1 == 'a'
行,然后提取rownames
:
rownames(example[example[,"V1"] == "a",]) # "No304" "No306"
您提到了 filter
,它看起来像 dplyr
。使用 tidyverse 方法来操作行名称很重要的数据会稍微麻烦一些,因为默认情况下会删除行名称。
如果您想使用 filter
,您必须首先将行名称保存为显式列:
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 docs)
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"