染色体坐标排序的两个方法

绘图的时候经常会遇到这个问题，有些NGS软件也会遇到。使用下面的代码模拟数据

pos_df=do.call(rbind,lapply(1:10, function(i){
  data.frame(gene=paste0('gene',i,LETTERS),
             chr=sample(paste0('chr',1:22),26,replace = T),
             start= sample(1:1000,26))
}))
pos_df=pos_df[with(pos_df,order(chr,start)),]
pos_df$chr=as.factor(pos_df$chr)
plot(pos_df$chr,pos_df$start,las=2)


首先我们的排序并没有按照染色体顺序，而是

> levels((pos_df$chr))
 [1] "chr1"  "chr10" "chr11" "chr12" "chr13" "chr14" "chr15" "chr16"
 [9] "chr17" "chr18" "chr19" "chr2"  "chr20" "chr21" "chr22" "chr3" 
[17] "chr4"  "chr5"  "chr6"  "chr7"  "chr8"  "chr9" 
> 


这种情况下sort这个向量其实是没有意义的， 有两个方案可以解决它！

首先是设置因子的水平即可，代码如下：

pos_df$chr=factor(pos_df$chr,paste0('chr',1:22),ordered = T)
pos_df=pos_df[with(pos_df,order(chr,start)),]
plot(pos_df$chr,pos_df$start,las=2)


第二个方案是可以通过在数字前面补0来

  pos_df$chr =  paste('chr',
              sprintf('%02d',as.numeric(gsub('chr','',pos_df$chr))) ,
                      sep = '') 
  pos_df$chr =  as.factor((pos_df$chr))


修改后再次查看其因子的水平 如下：

> levels((pos_df$chr))
 [1] "chr01" "chr02" "chr03" "chr04" "chr05" "chr06" "chr07" "chr08" "chr09"
[10] "chr10" "chr11" "chr12" "chr13" "chr14" "chr15" "chr16" "chr17" "chr18"
[19] "chr19" "chr20" "chr21" "chr22"


如果有X,Y染色体，可以转换为数值，比如 第24，25，26号染色体分别是X,Y,MT染色体。