去除重复比对区间 — deduplicate_ggchord

0.16.6 文档

本页完整说明已译为现代汉语；函数、参数、代码和原始数据标识保留原样。使用教程

全站目录 · 按任务查找

在各 query/subject 对中去除完全重复、近坐标重复或高度重叠区块，按 keep 保留最佳代表。

用法

代码deduplicate_ggchord_ribbons(
  ribbon_data,
  tolerance = 0,
  by = c("exact", "coordinates", "overlap"),
  keep = c("best_pident", "longest", "first"),
  min_reciprocal_overlap = 0.9
)

参数

ribbon_data: 连接格式的数据框。
tolerance: 数值，默认 0。两行在 qstart/qend/sstart/send 各端点允许的最大绝对差，单位 bp，用于 by = "coordinates"。
by: 去重方式，默认 "exact"。"exact" 去除同序列对、同坐标；"coordinates" 另将 tolerance bp 内视为重复；"overlap" 要求两条序列上的互惠重叠均至少 min_reciprocal_overlap，每个区间都须达标，不仅较短者。所有方式保留相反相对方向；单碱基端点使用提供的链/方向证据，否则方向未知。
keep: 保留代表的规则，默认 "best_pident"；"best_pident" 取最高 pident，"longest" 取最长 length，"first" 取输入首次出现。
min_reciprocal_overlap: 0–1 数值，默认 0.9，用于 by = "overlap" 的互惠重叠阈值。

返回值

列表，含去重数据 data（带 source_rows 属性）和 report，报告输入/保留/删除数量及带 row、duplicate_of、reason 的删除行表。

另见

ggchord_data_contract

示例

代码library(dplyr)
data(ribbon_data_example)
links <- ribbon_data_example |>
  select(qaccver, saccver, qstart, qend, sstart, send, pident, length)
out <- deduplicate_ggchord_ribbons(links, by = "overlap")
out$report