Bioconductor学习_基因组坐标体系-Granges和IRanges

什么是Granges

Granges是R语言中的数据结构，它主要用来存储基因组中的坐标区间。对于R语言的用户来说，这是一种非常快捷的方式来处理基因组的数据。
我们知道基因组中有非常多的间隔区间，例如基因区域，snp区域，启动子区域等等。很多区域之间都会有相互的重叠，例如启动子可能会和SNP区域有重叠，转录因子结合位点会覆盖启动子区域等等。

GenomicRanges和IRanges两个包，可以很方便有效的帮助我们处理基因组中的区域坐标问题。
另外，命令行工具中也有一个类似功能的软件：bedtools 。我们也可以用它来处理overlap。

关于IRanges

计算生物学中的很多工作，都可以用整数区间的操作和整数区间的重叠来表达。（把基因组看作一个线性的坐标轴，其实指的就是基因组中的坐标运算）
现在有一系列对象： 一个转录本（在基因组中，可以视作一段整数区间间隔），SNP的集合（宽度为1的区间间隔），转录结合位点，一系列比对到基因组上的短序列。
我们可能要解决的任务是： 哪些转录因子结合位点覆盖了基因的启动子区域（两组间隔之间的重叠），哪些SNP包含在外显子集合中。
IRanges 是整数区间间隔的集合. GRanges和IRanges类似，但它包含了相关的染色体和链的情况，需要注意一些标记。IRanges是GRanges的实现基础，这些包的开发主要依赖于区间的代数运算。

IRanges的基础用法

可以通过只设定区间的 Start位点，End位点（Width不需要设定，函数会根据start和end位点，自动计算width长度）构建一个IRanges对象

ir1 <- IRanges(start = c(1,3,5), end = c(3,5,7))
ir1
## IRanges of length 3
##     start end width
## [1]     1   3     3
## [2]     3   5     3
## [3]     5   7     3

也可以通过只设定区间的Start位点，和 Width区间长度（函数会自动根据Start位点和Width长度, 计算End位点）构建一个IRanges对象

ir2 <- IRanges(start = c(1,3,5), width = 3)## 比对ir1和ir2构建的IRanges对象是否一致
all.equal(ir1, ir2)
## [1] TRUE

IRanges对象包含多个间隔; 每个间隔称为一个范围range。所以上面的ir1包含3个范围（range）。
可以使用start(), end(), width()函数来查看IRanges对象的性质，也可以用这三个函数来更改IRanges对象的起始位点，终止位点，区间长度

# 查看起始坐标
start(ir1)
## [1] 1 3 5# 更改ir2的区间长度
width(ir2) <- 1
ir2
## IRanges of length 3
##     start end width
## [1]     1   1     1
## [2]     3   3     1
## [3]     5   5     1

我们可以给每个Range命名

names(ir1) <- paste("A", 1:3, sep = "")
ir1
## IRanges of length 3
##     start end width names
## [1]     1   3     3    A1
## [2]     3   5     3    A2
## [3]     5   7     3    A3

每个IRanges对象的维度是1，可以用length()函数计算IRanges包含了多少个Range

dim(ir1)
## NULL
length(ir1)
## [1] 3

由于IRanges对象的维度是1，所以我们可以把它包含的子集元素视作向量，像操作向量那样操作它的子集元素

#### 根据元素坐标提取子集
ir1[1]
## IRanges of length 1
##     start end width names
## [1]     1   3     3    A1#### 根据name提取子集
ir1["A1"]
## IRanges of length 1
##     start end width names
## [1]     1   3     3    A1#### 使用c() 连接两个IRanges对象
c(ir1, ir2)
## IRanges of length 6
##     start end width names
## [1]     1   3     3    A1
## [2]     3   5     3    A2
## [3]     5   7     3    A3
## [4]     1   1     1
## [5]     3   3     1
## [6]     5   5     1

未完待续