r-在2个范围和它们的重叠区域长度之间寻找重叠

Question

我需要找到两组(gp1&gp2(之间相同染色体上重叠区域的长度。(stackoverflow中类似的问题与我的目标不同，因为我想找到重叠区域，而不是正确/错误的答案(。

例如：

gp1: 
chr   start   end   id1 
chr1  580     600    1
chr1  900     970    2
chr3  400     600    3
chr2  100     700    4

gp2:
chr   start   end   id2
chr1  590     864   1
chr3  550     670   2
chr2  897     1987  3

我正在寻找一种方法来比较这两组，并得到这样的结果：

id1   id2    chr   overlapped_length
1     1     chr1     10
3     2     chr3     50   

Answer 1

应该为您指明正确的方向：

加载库

# install.packages("BiocManager")
# BiocManager::install("GenomicRanges")
library(GenomicRanges)
library(IRanges)

生成数据

gp1 <- read.table(text = 
"
chr   start   end   id1 
chr1  580     600    1
chr1  900     970    2
chr3  400     600    3
chr2  100     700    4
", header = TRUE)
gp2 <- read.table(text = 
"
chr   start   end   id2
chr1  590     864   1
chr3  550     670   2
chr2  897     1987  3
", header = TRUE) 

计算范围

gr1 <- GenomicRanges::makeGRangesFromDataFrame(
gp1, 
seqnames.field = "chr", 
start.field = "start", 
end.field = "end"
)
gr2 <- GenomicRanges::makeGRangesFromDataFrame(
gp2, 
seqnames.field = "chr", 
start.field = "start", 
end.field = "end"
)

计算重叠

hits <- findOverlaps(gr1, gr2)
p <- Pairs(gr1, gr2, hits = hits)
i <- pintersect(p)

结果

> as.data.frame(i)
seqnames start end width strand  hit
1     chr1   590 600    11      * TRUE
2     chr3   550 600    51      * TRUE