2

Quiero generar una función que permita modificar la estructura del vector "ADN" de tal forma que sustituya las bases con una probabilidad del 10%. Es decir que si en la primera entrada tenemos una "C" la función decida si es remplazada por alguna de las otras 3 bases incluida dentro del vector "bases"

bases <- c("A","G","C","T")
P <- runif(1,0,1) # Valor de probabilidad de que ocurra un base, único para 
cada una. 
ADN <- sample(bases,size = 21,replace = TRUE,prob = c(P,P,P,P))
ADN
 [1] "C" "G" "T" "T" "G" "G" "G" "C" "C" "T" "C" "A" "A" "T" "G" "G" "A" "G" "T" "T" "T"

¿Pueden ayudarme con esta duda por favor?

2
  • Bienvenido @Miguel A., no se si me queda claro tu pregunta así que te consulto: Lo que buscas es obtener una nueva versión del vector ADN con una variación del 10% de sus bases? es decir si tienes un ADN de 100 bases, la nueva versión tendrá 10 bases aleatoriamente distintas? Commented el 27 jun. 2017 a las 3:39
  • ¡Muchas gracias por la bienvenida @PatricioMoracho! Soy nuevo en esto de la progamación... Lo que busco es un función capaz de leer cada uno de los elementos de mi vector y que para cada uno decida con un 10% de probabilidad si es remplazado por algún otro elemento incluido dentro del vector "bases"
    – Miguel A.
    Commented el 27 jun. 2017 a las 4:11

2 respuestas 2

0

Seguramente hay formas mucho más optimas de hacerlo, pero lamentablemente no soy un "gurú" de R, pero al menos entiendo que esta propuesta alcanza tus requerimientos.

La idea básicamente es generar una matriz de probabilidades (mprob) por base como la siguiente:

     [,1] [,2] [,3] [,4] [,5]
[1,] "A"  9    0.33 0.33 0.34
[2,] "G"  0.33 9    0.33 0.34
[3,] "C"  0.33 0.33 9    0.34
[4,] "T"  0.33 0.33 0.33 9   

Esto nos va a permitir determinar la probabilidad variación de cada base, en función de otra. Por ejemplo, cuando la base de ADN sea A, buscaremos la fila correspondiente mediante mprob[mprob[, 1] == base,] y en las columnas 2,3,4 y 5 tenemos la probabilidad para todas las bases A,G,C y T cuando la base origen es A, y si ves el ejemplo, vas a ver que A tiene el 90% y el 10 % se reparte en las otras opciones. Con esto simplemente tenemos que recorrer el vector ADN y calcular un nuevo valor mediante sample

bases <- c("A","G","C","T")
ADN <- c("C", "G", "T", "T", "G", "G", "G", "C", "C", "T", "C", "A", "A", "T", "G", "G", "A", "G", "T", "T", "T")

# Genero matriz de probabilidades para cada BASE
mprob <- matrix(data = list("A", 9, 0.33, 0.33, 0.34,
                            "G",  0.33, 9, 0.33, 0.34,
                            "C",  0.33, 0.33, 9, 0.34,
                            "T",  0.33, 0.33, 0.33, 9),
                nrow = 4, ncol=5,  byrow= TRUE)



nueva_version <- function(adn, bases) {
    nuevo_adn <- c()
    for (base in adn) {
        prob <- unlist(mprob[mprob[, 1] == base,][c(2,3,4,5)])
        random_base <- sample(bases, size=1, prob=prob)
        #print(paste0(base, ": ", random_base, "(", paste(prob, collapse = ","), ")"))
        nuevo_adn <- c(nuevo_adn, random_base)
    }
    return(nuevo_adn)
}

print(ADN)
print(nueva_version(ADN, bases))

 [1] "C" "G" "T" "T" "G" "G" "G" "C" "C" "T" "C" "A" "A" "T" "G" "G" "A" "G" "T" "T" "T"
 [1] "C" "G" "T" "T" "G" "T" "G" "C" "A" "T" "C" "A" "A" "T" "G" "G" "A" "G" "T" "T" "T"

La matriz de probabilidades lamentablemente la armamos de manera "hardcoded", sería ideal poder hacerlo de forma dinámica, así, si modificamos la cantidad de bases no hay que reescribir mprob , pero por ahora no se me ocurre como.

Espero te sirva.

0

Datos iniciales

Dado un vector de AND inicial:

bases <- c("A","G","C","T")
ADN <- sample(bases,size = 2000,replace = TRUE)

Nota: no hace falta agregar la probabilidad a sample a menos que sean distintas entre ellas. Tambien agrande el vector ADN a 2000 valores para apreciar luego que la probabilidad de cambio es 10%.

Problema

Por lo que entiendo el problema se puede separar en dos:

  • La probabilidad de que un elemento de ADN cambie es 0.1 (10%)
  • Y el cambio tiene que tomar un nuevo valor de base (distinto al original)

Solucion

La solucion se puede lograr de la siguiente manera:

# Crear un vector con una base aleatoria y que sea distinta a la original
ADN2 = sapply(ADN, function(x){sample(bases[bases!=x],1)})

# Seleccionar cuales elementos seran reemplazados con prob 10%
reemplazar = runif(n = length(ADN)) < 0.1

# Reemplazar por el valor alternativo
ADN[reemplazar] = ADN2[reemplazar]

Como funciona esto?

sapply toma cada uno de los elementos de ADN y le aplica la funcion definida. La funcion toma el valor (por ej: "C") y hace un nuevo sample de el vector bases pero solo de aquellos elementos que sean distintos a este ("G", "A" o "T"). El resultado es un vector totalmente distinto a ADN.

Lo unico que resta ahora es decidir aleatoriamente cuales seran reemplazados (reemplazar = ...) y luego hacerlo (3er linea)

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.