r - 使用 %in% 根据染色体和位置过滤行

Question

我有两个数据框：一个是带有基因型信息的 VCF，另一个是“特殊”SNP 位置的数据框。使用 dplyr，我想仅针对特殊 SNP 的数据框中存在的那些位置过滤 VCF，但是，我无法弄清楚如何将 %in% 用于多列。

VCF 数据框：

CHR   POS   REF   ALT
01    10    C     T
01    20    G     A
01    30    T     C
02    20    A     G
02    30    C     G
02    40    G     T
02    50    T     A

SPECIAL_SNP 数据框：

CHR   POS
01    20
01    30
02    40
02    50

期望的输出：

CHR   POS   REF   ALT
01    20    G     A
01    30    T     C
02    40    G     T
02    50    T     A

我在想类似的事情：

VCF %>%
    filter(.[, c("CHR", "POS"] %in% SPECIAL_SNP[, c("CHR", "POS")])

提前感谢您的帮助。

Answer 1

我们可以用inner_join

library(dplyr)
inner_join(VCF, SPECIAL_SNP)
#   CHR POS REF ALT
#1   1  20   G   A
#2   1  30   T   C
#3   2  40   G   T
#4   2  50   T   A

---

或者另一种选择是%in%

VCF[do.call(paste, VCF[1:2]) %in% do.call(paste, SPECIAL_SNP[1:2]),]

数据

VCF <- structure(list(CHR = c(1L, 1L, 1L, 2L, 2L, 2L, 2L), POS = c(10L, 
20L, 30L, 20L, 30L, 40L, 50L), REF = c("C", "G", "T", "A", "C", 
"G", "T"), ALT = c("T", "A", "C", "G", "G", "T", "A")), 
  class = "data.frame", row.names = c(NA, 
-7L))

SPECIAL_SNP <- structure(list(CHR = c(1L, 1L, 2L, 2L), POS = c(20L, 30L, 40L, 
50L)), class = "data.frame", row.names = c(NA, -4L))