围绕明确指定的注释查找基因组区域 — find_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

按 feature_id 选择目标并沿生物学上下游扩展。负链目标的上游朝更大的基因组坐标延伸。未知链或双向注释要求上下游距离相同。窗口裁剪到已知完整长度，并报告裁剪。

用法

代码find_ggchord_loci(
  seq_data,
  feature_data,
  targets,
  upstream = 0,
  downstream = 0
)

参数

seq_data: 序列表，含唯一 accver 及正整数 length。可选 genome、genome_id 保留在返回窗口中。
feature_data: 注释表，含 feature_id、accver、start、end，可选 strand；缺失链表示未知。
targets: 非空、无重复的 feature_id 字符向量。精确选择，不猜测注释文字或 accession version。
upstream, downstream: 单个非负整数，表示沿生物学方向在每个目标前后扩展的碱基数。

返回值

按目标顺序的普通数据框，含 target_id、locus_id、accver、start、end、strand、未扩展 target_start/target_end、请求扩展量及 clipped_left/clipped_right。target_source_rows 列表列标识各目标使用的注释输入行。坐标相对于提供的序列表，不会隐式从局部坐标切回更早的源。

详细说明

相同 feature_id 的多行视为同一目标的片段，须同序列、同链，外边界定义目标窗口。不同目标始终生成独立窗口，即使同序列且重叠。不删除、拼接或局部反转中间序列。要求有序一基闭区间；跨圆形原点注释及蛋白坐标须先显式转换。返回的 locus_id 等于 target_id。将结果作为 loci 传给 focus_ggchord_data()，可创建以这些 ID 命名的独立局部序列，包括同源序列上的多个窗口。

另见

ggchord_data_contract

示例

代码library(dplyr)
data(seq_data_example)
seqs <- seq_data_example |>
  select(accver, length)
data(gene_data_example)
genes <- gene_data_example |>
  transmute(accver, start, end, strand = source_strand)
genes <- genes |>
  mutate(feature_id = paste(accver, start, end, sep = ":"))
find_ggchord_loci(seqs, genes, targets = genes$feature_id[1], upstream = 100, downstream = 100)