Início / coding / Perguntas / 79568981
Accepted
Paolo Lorenzini
Asked: 2025-04-11 21:42:20 +0800 CST

aplicar uma função com dois argumentos, linha por linha, em um quadro de dados

  • 772

Tenho uma referência e sequências de consulta:

ref_seq <- "ATTT"
df <- data.frame(V1=c("AATT", "TTTT", "GGTT"))

Gostaria de retornar as posições incompatíveis na sequência para cada consulta em comparação com a referência:

seqdiff <- function(seq1, seq2) {
  seq <- strsplit(c(seq1, seq2), split= '')
  mismatches <- which(seq[[1]] != seq[[2]])
  return(mismatches)
}
    
apply(X=df, MARGIN=2, function(x) seqdiff(x, ref_seq))

#      V1
# [1,]  1
# [2,]  2

Resultado esperado:

#      V1
# [1,]  2
# [2,]  1
# [3,]  1 2

5 respostas

  1. Best Answer

    Considerando que essas são provavelmente sequências de nucleotídeos, você pode considerar a adistfunção. Ela pode ser usada em outros casos para determinar o número mínimo ponderado de inserções, deleções e substituições necessárias para transformar uma sequência em outra. Isso permite que as contagens sejam computadas na transformação, bem como a sequência de transformação no atributo "trafos" (M = correspondência, I = inserção, D = deleção, S = substituição).

    df$trafos <- attr(adist(df$V1, ref_seq, counts = TRUE), "trafos")
df$substitution <- gregexpr("S", df$trafos)
df

    V1 trafos substitution
1 AATT   MSMM            2
2 TTTT   SMMM            1
3 GGTT   SSMM         1, 2
    • 5

  2. 1) Isso produz um quadro de dados cuja mismatchcoluna n é uma lista de vetores.

    library(dplyr)
out <- df %>%
  rowwise %>%
  mutate(mismatch = list(seqdiff(V1, ref_seq))) %>%
  ungroup

str(out)
## tibble [3 × 2] (S3: tbl_df/tbl/data.frame)
##  $ V1      : chr [1:3] "AATT" "TTTT" "GGTT"
##  $ mismatch:List of 3
##   ..$ : int 2
##   ..$ : int 1
##   ..$ : int [1:2] 1 2

str(out$mismatch)
## List of 3
##  $ : int 2
##  $ : int 1
##  $ : int [1:2] 1 2

    2) Este é o mesmo, exceto que a mismatchcoluna é um vetor de caracteres.

    library(dplyr)

out <- df %>%
  rowwise %>%
  mutate(mismatch = toString(seqdiff(V1, ref_seq))) %>%
  ungroup
out
## # A tibble: 3 × 2
##   V1    mismatch
##   <chr> <chr>   
## 1 AATT  2       
## 2 TTTT  1       
## 3 GGTT  1, 2

    3) Isso desaninha (1) fornecendo um quadro de dados de formato longo onde a saída para cada linha de entrada pode abranger várias linhas de saída.

    library(dplyr)
library(tidyr)

out <- df %>%
  rowwise %>%
  mutate(mismatch = list(seqdiff(V1, ref_seq))) %>%
  ungroup %>%
  unnest(mismatch)
out
## A tibble: 4 × 2
##   V1    mismatch
##   <chr>    <int>
## 1 AATT         2
## 2 TTTT         1
## 3 GGTT         1
## 4 GGTT         2

library(igraph)

set.seed(123)
g <- graph_from_data_frame(out)
plot(g)

    (continua após a imagem) captura de tela

    4) Para utilizar applya função deve-se utilizar listoutoString

    out <- apply(df, 1, \(x) list(seqdiff(x, ref_seq)))
str(out)
List of 3
 $ :List of 1
  ..$ : int 2
 $ :List of 1
  ..$ : int 1
 $ :List of 1
  ..$ : int [1:2] 1 2

out <- apply(df, 1, \(x) toString(seqdiff(x, ref_seq)))
out
## [1] "2"    "1"    "1, 2"
    • 1

  3. Uma abordagem usandosubstr

    sapply(df$V1, \(seq) 
  which(sapply(seq_len(nchar(ref_seq)), \(x) 
    substr(ref_seq, x, x) != substr(seq, x, x))))
$AATT
[1] 2

$TTTT
[1] 1

$GGTT
[1] 1 2

    Se você quiser apenas corresponder a posições específicas, use espaços em ref_seq , por exemplo

    ref_seq <- " GTA"

sapply(df$V1, \(seq) 
  which(sapply(seq_len(nchar(ref_seq)), \(x) 
    substr(ref_seq, x, x) != substr(seq, x, x) & 
    (substr(ref_seq,x ,x) != " "))))
$AATT
[1] 2 4

$TTTT
[1] 2 4

$GGTT
[1] 4

    Obtendo o resultado em um formato de quadro de dados

    as.matrix(lapply(df$V1, \(seq)
  which(sapply(seq_len(nchar(ref_seq)), \(x)
    substr(ref_seq, x, x) != substr(seq, x, x))))) |>
  `colnames<-`(ref_seq) |>
  data.frame()
  ATTT
1    2
2    1
3 1, 2
    • 1

  4. Se ncharde ref_seqe todos os elementos de V1tiverem o mesmo comprimento, podemos tentar vapply(), utf8ToInt()com which().

    M = vapply(V1, utf8ToInt, numeric(4)) 
i = which(M != utf8ToInt(ref_seq), arr.ind = TRUE)
V2 = with(data.frame(i),  split(row, col)) |> sapply(toString)

    > data.frame(V1, V2)
    V1   V2
1 AATT    2
2 TTTT    1
3 GGTT 1, 2

    A coerção de ipara V2pode ser melhorada; ainda não tenho uma ideia melhor.

    Observação

    # input data
ref_seq = "ATTT"
V1 = c("AATT", "TTTT","GGTT")
    • 0

  5. Você pode usar !=in mapplye parse TRUEpositions toString.

    > s <- \(x) {strsplit(x, '')}
> apply(mapply(`!=`, s(ref_seq), s(df$V1)), 2, \(x) toString(which(x)))
[1] "2"    "1"    "1, 2"

    Nota: Evite operações linha a linha em data.frames, que são extremamente ineficientes. Lembre-se de que a data.frameé, na verdade, uma lista de vetores com posições adjacentes aparecendo como linhas — e considere usar mapply()or Map(). apply()Foi projetado para matrizes (como aplicado nesta solução) e deve ser usado apenas raramente (ou nunca) em data.frames.

    • 0

relate perguntas