3

A partir de un archivo vcf:

       Amaranthus_sp <- fread("variants_Amaranthus_sp.vcf")

Intento seleccionar aquellos valores que tienen una ","

   "#CHROM"           "POS"  "ID"   "REF" "ALT"    "QUAL"             
M3V_32_Cucumis_melo    1       .       T    <*>      0
M3V_32_Cucumis_melo    2       .       C    T,<*>    0
M3V_32_Cucumis_melo    3       .       A    <*>      0
M3V_32_Cucumis_melo    4       .       G    C,<*>    0
M3V_32_Cucumis_melo    5       .       C    <*>      0
M3V_32_Cucumis_melo    6       .       T    A,<*>    0

Intento selecionar aquellos valores del dataframe que tengan una , en REF para obtener algo así:

   "#CHROM"           "POS"  "ID"   "REF" "ALT"    "QUAL"             
M3V_32_Cucumis_melo    2       .       C    T,<*>    0
M3V_32_Cucumis_melo    4       .       G    C,<*>    0
M3V_32_Cucumis_melo    6       .       T    A,<*>    0

Para ello ejecuto los siguientes comandos:

 Amaranthus_sp<-Amaranthus_sp[which(Amaranthus_sp$ALT == ","),]];dim(Amaranthus_sp)

y me aparece una tabla vacía.

En cambio cuando ejecuto este comando:

 Amaranthus_sp<-Amaranthus_sp[which(Amaranthus_sp$ALT == "<*>"),];dim(Amaranthus_sp)

Selecciona aquellas filas que no tiene , en esa columna.

Además el tipo de mi columna es:

     class(Amaranthus_sp$ALT)
      [1] "character"

No se cual es mi error.

Gracias de antemano.

1 respuesta 1

3

La función grepl

Amaranthus_sp<-Amaranthus_sp[grepl(",",Amaranthus_sp$ALT),]

El primer argumento de esta función es la cadena buscada y el segundo es la cadena de texto donde buscar. Devuelve TRUE si se encuentra el valor buscado y FALSE de otro modo.

Seguramente hay otras soluciones. Por ejemplo el Tidyverse probé la función stringr::str_detect.

¿Cuál es tu error?

Estas usando de una manera inadecuada la función ==, esta devuelve verdadero cuando los valores son exactamente iguales. Cuando usas Amaranthus_sp$ALT == "<*>" devuelve lo que esperas porque los valores en ALT son exactamente "<*>". Sin embargo cuando haces Amaranthus_sp$ALT == "," los valores en ALT no son exactamente "," sino que son del tipo C,<*>.

También podrías omitir el uso de which. Cuando trabajas con data.frame y haces un filtro del tipo df[v,] v puede ser un vector numérico, cuyas entradas son el número de las filas que deseas mantener luego del filtro. Pero v tambien puede ser un vector de valores lógicos cuya longitud es igual al numero de filas en df en este caso el filtro devolverá aquellas filas en donde v seas "TRUE". Como Amaranthus_sp$ALT == "<*> nos devuelve un vector de valores lógicos de longitud igual al número de filas en Amaranthus_sp entonces estamos en el segundo caso y podemos omitir el which.

2
  • Cuando aplico la función: grepl me sale el siguiente error: Warning message: In grepl(Todos$ALT, ",") : argument 'pattern' has length > 1 and only the first element will be used. En cambio he usado la segunda alternativa que me distes creando una columna a la derecha de la tabla: Amaranthus_sp$is_alt<-str_detect(Amaranthus_sp$ALT, ",");dim(Amaranthus_sp) y posteriormente seleccionando aquellas filas con valor true. Muchas gracias por la explicación y soluciones. Commented el 7 jul. 2019 a las 9:01
  • Tienes razón, había intercambiado los argumentos de grepl ya lo corregir. Commented el 7 jul. 2019 a las 17:09

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.