找出R中非时间或基因组的整数重叠范围的值

Question

我正试图计算海洋物种和人类活动的重叠深度范围。因此，对于每个物种，都有一个最小和最大深度，我想有效地计算与4种不同活动的深度范围重叠的深度范围。我认为这可以用data.table::foverlaps()或IRanges::findOverlaps()来完成，但我不知道如何计算重叠的值，而不仅仅是它是真是假。因此，如果物种D在40-100米深度之间发现，而活动1发生在0-50米深度，则重叠为10米。

例如，

min_1 <- 0 
max_1 <- 50
min_2 <- 0 
max_2 <- 70
min_3 <- 0
max_3 <- 200
min_4 <- 0
max_4 <- 500
activities <- data.frame(min_1, max_1, min_2, max_2, min_3, max_3, min_4, max_4)
spp_id <- c("a", "b", "c", "d")
spp_depth_min <- c(0, 20, 30, 40)
spp_depth_max <- c(200, 500, 50, 100)
species <- data.frame(spp_id, spp_depth_min, spp_depth_max)
## data.table approach?
setDT(activities)
setDT(species)
foverlaps(species, activities, ...) ## Or do I need to subset each activity and do separate calculations? 

编写函数会更容易吗？我真的不熟悉！这似乎应该是一件常见/容易的事情，我不知道为什么它让我如此困惑

Answer 1

我将活动表重新构造为一个长表单，这样您就可以一次完成所有4个计算。然后完成重叠连接，然后可以根据结果计算重叠长度。

activities <- data.table(
act = c('act_1','act_2','act_3','act_4'),
a_min = c(min_1, min_2, min_3, min_4),
a_max = c(max_1, max_2, max_3, max_4)
)
spp_id <- c("a", "b", "c", "d")
spp_depth_min <- c(0, 20, 30, 40)
spp_depth_max <- c(200, 500, 50, 100)
species <- data.table(spp_id, spp_depth_min, spp_depth_max)
setkey(activities,a_min,a_max)
ol <- foverlaps(species, activities, 
by.x = c('spp_depth_min','spp_depth_max'), 
by.y = c('a_min','a_max')
)
ol[,ol_length := pmin(spp_depth_max,a_max)-pmax(spp_depth_min,a_min)]
ol

Answer 2

为了完整起见，这里有一个版本使用非等联接，而不是调用foverlaps()函数来查找重叠。此外，还使用了OP提供的原始数据，即宽格式的activities。

library(data.table)
vals <- c("min", "max")
melt(setDT(activities), measure.vars = patterns(vals), variable.name = "activity", value.name = vals)[
setDT(species), on = .(max >= spp_depth_min, min <= spp_depth_max), 
.(activity, spp_id, overlap = pmin(x.max, spp_depth_max) - pmax(x.min, spp_depth_min))]

activity spp_id overlap
1:        1      a      50
2:        2      a      70
3:        3      a     200
4:        4      a     200
5:        1      b      30
6:        2      b      50
7:        3      b     180
8:        4      b     480
9:        1      c      20
10:        2      c      20
11:        3      c      20
12:        4      c      20
13:        1      d      10
14:        2      d      30
15:        3      d      60
16:        4      d      60

说明

melt()用于将activities从宽格式重塑为长格式，同时具有多个度量变量。

非等连接的条件可以由一些布尔代数导出如下：

如果，两个闭合区间[a₁，a₂]和[b_{1，b2]是否重叠}

b₂<a₁或a₂<b₁

如果该布尔表达式被否定，则的两个区间重叠：

NOT(b₂<a₁或a₂lt；b₁(=

NOT(b₂<a₁(AND NOT(a₂<b₁₍₌

b₂>=a₁与a₂>=b₁

连接标识所有重叠的区间对(对于给定的数据集为4 x 4=16种情况(。每对重叠区域的起点由两个区间中较大的起点给出，终点由两个间隔中较小的终点给出。重叠的长度是极限点之间的差值。