43.《Bioinformatics Data Skills》之

IRange可以寻找最近的两个范围和计算范围间的距离。

寻找最近范围

通过例子说明，首先建立query与subject范围对象：

> qry <- IRanges(start=6, end=13, name='query')
> sbj <- IRanges(start=c(2, 4, 18, 19), end=c(4, 5, 21, 24), names=1:4)
> qry
IRanges object with 1 range and 0 metadata columns:
            start       end     width
        <integer> <integer> <integer>
  query         6        13         8
> sbj
IRanges object with 4 ranges and 0 metadata columns:
        start       end     width
    <integer> <integer> <integer>
  1         2         4         3
  2         4         5         2
  3        18        21         4
  4        19        24         6

确定最近范围的函数有nearest, precede, follow，分别使用：

> nearest(qry, sbj)
[1] 2
> precede(qry, sbj)
[1] 3
> follow(qry, sbj)
[1] 2

三个函数的参数都是query对象与subject对象，它们都寻找与query的范围最近的subject的范围，返回结果代表最近subject范围坐标。区别在于（见图1）：

• nearest在所有subject范围中寻找与query最近的范围，
• precede只寻找在query前方最近的subject范围（坐标轴右方为前），
• 而follow只寻找query后方最近的subject范围。
• 值得注意的是，nearest会返回与query重叠的subject范围，而precede与follow不会。

由于nearest函数是向量化的，query对象可以包含多个范围，每个范围都会返回结果：

> qry <- IRanges(start=c(3,6), width=10, name='query')
> nearest(qry, sbj)
[1] 2 2

范围间距离

1. distanceToNearest：返回与query最近的subject范围间的距离，例如

   > qry <- IRanges(sample(seq_len(1000), 5), width = 10)
   > sbj <- IRanges(sample(seq_len(1000), 5), width = 10)
   > qry
   IRanges object with 5 ranges and 0 metadata columns:
             start       end     width
         <integer> <integer> <integer>
     [1]       776       785        10
     [2]       140       149        10
     [3]        73        82        10
     [4]       289       298        10
     [5]       764       773        10
   > sbj
   IRanges object with 5 ranges and 0 metadata columns:
             start       end     width
         <integer> <integer> <integer>
     [1]       920       929        10
     [2]       713       722        10
     [3]       292       301        10
     [4]       943       952        10
     [5]       204       213        10
   > distanceToNearest(qry, sbj)
   Hits object with 5 hits and 1 metadata column:
         queryHits subjectHits |  distance
         <integer>   <integer> | <integer>
     [1]         1           2 |        53
     [2]         2           5 |        54
     [3]         3           5 |       121
     [4]         4           3 |         0
     [5]         5           2 |        41
     -------
     queryLength: 5 / subjectLength: 5
   

   返回结果的形式与findOverlaps相似，前两列对应query坐标与subject坐标，第三列给出两个范围的距离。

2. distance，此函数返回两个IRange对象配对范围间的距离：

   > distance(qry, sbj)
   [1] 134 563 209 644 550
   

   可以发现不重叠的两个范围间的距离结果为“(前一个范围的start - 后一个范围的end) -1”。那么两个范围如果是连续的，其距离应该是0，例如[2,3]与[4,5]间的距离是0：

   > distance(IRanges(2,3), IRanges(4,5))
   [1] 0
   

   查询说明文档，IRange是这样定义范围间的距离关系的：

   • x, y 重叠 => distance(x, y) == 0

   • 也就是说：x, y 相邻或者重叠 <=> distance(x, y) == 0