合并GenomicRanges对象中具有相同属性的相邻区间

Question

将基因组分段为相邻的非重叠区间，例如通过tileGenome方法，我已经为每个区间计算了某些属性（比如说1或2）。

现在我想合并相邻具有相同属性的区间。 下面是一个最简示例：

library(GenomicRanges)
chrSizes <- c(chr1 = 1000, chr2 = 500)
bins   <- tileGenome(chrSizes, tilewidth = 200, cut.last.tile.in.chrom = T)
bins$property <- rep(1:2, each = 4)
bins
GRanges object with 8 ranges and 1 metadata column:
      seqnames    ranges strand |  property
         <Rle> <IRanges>  <Rle> | <integer>
  [1]     chr1     1-200      * |         1
  [2]     chr1   201-400      * |         1
  [3]     chr1   401-600      * |         1
  [4]     chr1   601-800      * |         1
  [5]     chr1  801-1000      * |         2
  [6]     chr2     1-200      * |         2
  [7]     chr2   201-400      * |         2
  [8]     chr2   401-500      * |         2
  -------
  seqinfo: 2 sequences from an unspecified genome

前四个箱子具有属性1，因此应该合并为一个箱子。 我查看了GRanges的文档，没有明显的本地解决方案。请注意，必须考虑 seqname 边界（例如，chr1 和 chr2 保持分开，无论属性如何）。显然，可以使用循环，但我宁愿使用原生 GRange 解决方案，例如使用 union 可能已经被我忽略了。 期望的输出应该类似于这样：

      seqnames    ranges strand |  property
         <Rle> <IRanges>  <Rle> | <integer>
  [1]     chr1     1-800      * |         1
  [2]     chr1  801-1000      * |         2
  [3]     chr2     1-500      * |         2

- Sebastian Müller

Answer 1

R基因组范围：

result <- unlist(reduce(split(bins, ~property)))
result$property <- names(result)

# GRanges object with 3 ranges and 1 metadata column:
# seqnames    ranges strand |    property
# <Rle> <IRanges>  <Rle> | <character>
# 1     chr1     1-800      * |           1
# 2     chr1  801-1000      * |           2
# 2     chr2     1-500      * |           2
# -------
# seqinfo: 2 sequences from an unspecified genome

Python PyRanges:

import pandas as pd
from io import StringIO
import pyranges as pr

c = """Chromosome Start End Value
chr1 1 200 Python
chr1 201 400 Python
chr1 401 600 Python
chr1 601 800 Python
chr1 801 1000 R
chr2 1 200 R
chr2 201 400 R
chr2 401 500 R"""

df = pd.read_table(StringIO(c), sep=" ")
gr = pr.PyRanges(df)
gr.merge(by="Value", slack=1)

# +--------------+-----------+-----------+------------+
# | Chromosome   |     Start |       End | Value      |
# | (category)   |   (int32) |   (int32) | (object)   |
# |--------------+-----------+-----------+------------|
# | chr1         |         1 |       800 | Python     |
# | chr1         |       801 |      1000 | R          |
# | chr2         |         1 |       500 | R          |
# +--------------+-----------+-----------+------------+
# Unstranded PyRanges object has 3 rows and 4 columns from 2 chromosomes.
# For printing, the PyRanges was sorted on Chromosome.

- The Unfun Cat

---

这正是我在寻找的！也许，代码可以像这样更加简洁：result <- unlist(reduce(split(bins, ~property))); result$score <- names(result)。如果您同意的话，请随时更新答案。 - Sebastian Müller

是的，谢谢。R不是我的主要编程语言，所以我从你的评论中学到了新东西 :) - The Unfun Cat