R, beitreten in einem Bereich vektorisiert

Question

Ich versuche, zwei Datensätze zu verbinden, wo eine Variable (oder Position entlang eines Genoms) in einem Datensatz in einem Bereich in der zweiten (Gen Start/Stopp-Position) passt. Positionen sind jedoch nicht eindeutig, sondern in einer zusätzlichen Spalte (Chromosom) verschachtelt. Das Gleiche gilt für die Start/Stopp-Positionen des Gens. Mein Ziel ist es, jede Position mit der entsprechenden Anmerkung und Wirkung zu verknüpfen.

Zum Beispiel:

library(sqldf) 
set.seed(100) 
a <- data.frame(
    annotation = sample(c("this", "that", "other"), 3, replace=TRUE), 
    start = seq(1, 30, 10), 
    chr = sample(1:3, 3, replace=TRUE) 
) 
a$stop <- a$start + 10 
b <- data.frame(
    chr = sample(1:3, 3, replace=TRUE), 
    position = sample(1:15, 3, replace=TRUE), 
    effect = sample(c("high", "low"), 3, replace=TRUE) 
) 

Eine SQL-INNER JOIN wird mir einen Teil des Weges gibt:

df<-sqldf("SELECT a.start, a.stop, a.annotation, b.effect, b.position 
    FROM a, b 
    inner JOIN a b on(b.position >= a.start and b.position <= a.stop);") 

Aber das erklärt nicht die Wiederholung der Position pro Chromosom. Ich habe konzeptionelle Schwierigkeiten, diese in eine Schleife zu wickeln oder Funktion anzuwenden.

Ich bin nicht mit SQL verheiratet, es ist nur, wie ich zuvor ein einfacheres Problem ansprach. Ich bin mir auch nicht sicher, ob eine zusätzliche Indexspalte angebracht ist, da ich Tausende von Chromosomenwerten habe.

Meine gewünschte Ausgabe wie folgt aussehen:

df$chr<-c("NA","2","2") 
     start stop annotation effect position chr 
1  1 11  this high  3 NA 
2  1 11  this high  10 NA 
3 11 21  this low  14 2 

Wo jeder position zwischen den start und stop Punkten auf dem richtigen chr oder gegeben NA wo keine Punkte auf einem chr Spiel gesetzt worden ist.

Answer 1

Ich denke, das ist, was Sie nach:

sqldf(
    "Select start, stop, annotation, effect, position, 
    case when a.chr = b.chr then a.chr else NULL end as chr 
    from b left join a 
    on b.position between a.start and a.stop 
    " 
) 
# start stop annotation effect position chr 
# 1  1 11  this high  3 NA 
# 2  1 11  this high  10 NA 
# 3 11 21  this low  14 2  

Answer 2

Die development version von data.table verbindet nicht-equi einführt, so dass für:

library(data.table) 
setDT(a) # converting to data.table in place 
setDT(b) 

b[a, on = .(position >= start, position <= stop), nomatch = 0, 
    .(start, stop, annotation, effect, x.position, chr = ifelse(i.chr == x.chr, i.chr, NA))] 
# start stop annotation effect x.position chr 
#1:  1 11  this high   3 NA 
#2:  1 11  this high   10 NA 
#3: 11 21  this low   14 2