我有一个数据框(大约有 300 行),其中一列称为“geneID”:
geneID distance pvalue
4 30 0.05
409 0 0.001
60 41 0.02
...
我有第二个数据框,指示构成更大抗生素生物合成基因簇的基因范围(染色体中大约有 30 个基因簇):
ClusterID start end
Chloramphenicol 100 130
NRPS 403 489
Terpene 5021 5109
...
我想要做的是,如果基因 ID 位于该基因簇的“开始”和“停止”之间,则向数据帧 1 添加另一列,标记为数据帧 2 的相应“簇 ID”:
geneID distance pvalue ClusterID
4 30 0.05 NA
409 0 0.001 NRPS
60 41 0.02 NA
我尝试过使用向量作为 mutate 函数中的值:
ChIP_table %>%
mutate(ClusterID = case_when((ID >= biosynthetic_clusters$start & ID <= biosynthetic_clusters$end) ~ biosynthetic_clusters$Cluster,
TRUE ~ "NA"))
这不起作用。不知道从这里去哪里。我尝试构建一个 for 循环,但仍然无法找到使用向量/列值作为排序/标签条件的方法。
任何帮助,将不胜感激!
你可以使用cut
功能。假设你的数据框是df
:
breaks <- c(100, 130, 403, 489, 5021, 5109)
labels <- c("Chloramphenicol", NA, "NRPS", NA, "Terpene")
df$ClusterID <- cut(df$geneID, breaks = breaks, labels = labels, include.lowest = TRUE)
中断是开始值、结束值。标签是每个可行范围的 ClusterID 名称。 NA 标签用于可行的范围间隙。因此,对于属于 ClusterID 范围内的基因 ID,它们将被分配 ClusterID 名称,否则为 NA。因此,需要一些预先的工作来输入标签向量。 (你可以编写一个函数来做到这一点。)但我认为它会起作用。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)