Intervale de secvențe

Introducere în Bioconductor în R

Paula Andrea Martinez, PhD.

Data scientist

IRanges cu argumente numerice

# Loading IRanges
library(IRanges)

Un interval este definit prin start și end

myIRanges <- IRanges(start = 20, end = 30)
myIRanges

IRanges object with 1 range and 0 metadata columns:
   start       end     width
<integer> <integer> <integer>
[1]   20        30        11

(myIRanges_width <- IRanges(start = c(1, 20), width = c(30, 11)))

 IRanges object with 2 ranges and 0 metadata columns:
         start       end     width    
      <integer> <integer> <integer>
[1]         1        30        30       
[2]        20        30        11

(myIRanges_end <- IRanges(start = c(1, 20), end = 30))

 IRanges object with 2 ranges and 0 metadata columns:
         start       end     width    
      <integer> <integer> <integer>
[1]         1        30        30       
[2]        20        30        11

Ecuație: width = end - start + 1

Rle - codificare prin lungimea rulelor

Rle înseamnă Run length encoding
Calculează și stochează lungimile și valorile unui vector sau factor
Rle este un container S4 general pentru stocarea eficientă a vectorilor lungi și repetitivi

(some_numbers <- c(3, 2, 2, 2, 3, 3, 4, 2))

3 2 2 2 3 3 4 2

(Rle(some_numbers))

numeric-Rle of length 8 with 5 runs
Lengths: 1 3 2 1 1
Values : 3 2 3 4 2

IRanges cu vector logic

IRanges(start = c(FALSE, FALSE, TRUE, TRUE))

 IRanges object with 1 range and 0 metadata columns:
      start       end     width
  <integer> <integer> <integer>
[1]       3         4         2

IRanges cu Rle logic

gi <- c(TRUE, TRUE, FALSE, FALSE, TRUE, TRUE, TRUE)
myRle <- Rle(gi)

logical-Rle of length 7 with 3 runs
Lengths:     2     2     3
Values :  TRUE FALSE  TRUE

IRanges(start = myRle)

IRanges object with 2 ranges and 0 metadata columns:
         start       end     width
      <integer> <integer> <integer>
[1]         1         2         2
[2]         5         7         3

Rezumat

IRanges sunt structuri de date ierarhice care pot conține metadate.

Pentru a construi obiecte IRanges:

start, end sau width ca vectori numerici (sau NULL).
Argumentul start ca vector logic sau obiect Rle logic.
- Rle înseamnă Run length encoding și este eficient ca stocare.
- Argumentele IRanges sunt reciclate (completează valorile lipsă).
- Ecuație pentru intervalul de secvență: width = end - start + 1.

Să exersăm cu intervale de secvențe!

Introducere în Bioconductor în R