Skip to main content
 首页 » 编程设计

pythonic 相当于 R GRanges 中的 reduce()之如何折叠范围数据

2025年01月19日10qq78292959

在 R 中(尽管冗长):

这是一个测试data.frame

df <- data.frame( 
  "CHR" = c(1,1,1,2,2), 
  "START" = c(100, 200, 300, 100, 400), 
  "STOP" = c(150,350,400,500,450) 
  ) 

首先我制作 GRanges 对象:

gr <- GenomicRanges::GRanges( 
  seqnames = df$CHR, 
  ranges = IRanges(start = df$START, end = df$STOP) 
  ) 

然后我减少间隔以折叠成新的 granges 对象:

reduced <- reduce(gr) 

现在将一个新列附加到原始数据框,以确认哪些行属于同一连续“ block ”。

subjectHits(findOverlaps(gr, reduced)) 

输出:

> df 
  CHR START STOP locus 
1   1   100  150     1 
2   1   200  350     2 
3   1   300  400     2 
4   2   100  500     3 
5   2   400  450     3 

我如何在 Python 中执行此操作?我知道 pybedtools,但据我所知,这需要我将 data.frame 保存到磁盘。任何帮助表示赞赏。

请您参考如下方法:

https://github.com/biocore-ntnu/pyranges

import pyranges as pr 
chromosomes = [1] * 3 + [2] * 2 
starts = [100, 200, 300, 100, 400] 
ends = [150, 350, 400, 500, 450] 
gr = pr.PyRanges(chromosomes=chromosomes, starts=starts, ends=ends) 
gr.cluster() 
# +--------------+-----------+-----------+-----------+ 
# |   Chromosome |     Start |       End |   Cluster | 
# |       (int8) |   (int32) |   (int32) |   (int64) | 
# |--------------+-----------+-----------+-----------| 
# |            1 |       100 |       150 |         1 | 
# |            1 |       200 |       350 |         2 | 
# |            1 |       300 |       400 |         2 | 
# |            2 |       100 |       500 |         3 | 
# |            2 |       400 |       450 |         3 | 
# +--------------+-----------+-----------+-----------+ 

它将在 0.0.21 中发布。谢谢你的想法!