怎么高效取序列？求求大佬帮帮我

综合讨论区
23

提供一点数据样本吧，比如提供100 或者1000条样本。
chr1 的位点在chr1df的好几行中，在最终的结果里面也只需要出现一次吧？

24 
using GenomicFeatures
using DataFrames


chr1df = [
	Interval("chr1", 10628, 10683, '?', "abc")
	Interval("chr1", 10643, 10779, '?', "abc")
	Interval("chr1", 10645, 10748, '?', "abc")
	Interval("chr1", 10648, 10786, '?', "abc")
	Interval("chr1", 10676, 10767, '?', "abc")
	Interval("chr1", 10690, 10731, '?', "abc")
	Interval("chr1", 10707, 10793, '?', "abc")
	Interval("chr1", 10742, 10814, '?', "abc")
] |> IntervalCollection

chr1= [
	Interval("chr1", 10631, 10631)
	Interval("chr1", 10633, 10633)
	Interval("chr1", 10636, 10636)
	Interval("chr1", 10638, 10638)
	Interval("chr1", 10641, 10641)
	Interval("chr1", 10644, 10644)
	Interval("chr1", 10645, 10645)
	Interval("chr1", 10650, 10650)
] |> IntervalCollection
chr1df=DataFrame(chr1df)
chr1=DataFrame(chr1)

image
可以看出chr1的1-8行都在ch1df的第一行中，chr1的第6行 10644也在chr1df的第二行10643-10779之间。

25

不是，是要全出现，下面评论是测试数据

26

返回的 Vector{Bool},

function findoverlap2(vecx, vecy)

    index_x = 1
    index_y = 1
    length_x = size(vecx,1)
    length_y = size(vecy, 1)
    ans = falses(length_x)

    while index_x <= length_x && index_y <= length_y
        if vecx[index_x,:first] < vecy[index_y,:first]
            # 小于下界，
            index_x += 1
        elseif vecx[index_x,:first] >= vecy[index_y, :first] && vecx[index_x,:first] <= vecy[index_y, :last]
            ans[index_x] = true
            index_x += 1
        else
            # 大于上界
            index_y += 1
        end
    end
    return ans

end

然后这个应该就是你要的结果。

z=findoverlap2(chr1,chr1df)

chr1[z,:]