-
Notifications
You must be signed in to change notification settings - Fork 0
/
Function_richness.R
262 lines (257 loc) · 13.8 KB
/
Function_richness.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
#' @title fun_rich
#' @description This function analyzes the input data and gets the estimate
#' on the richness of CDR3 regions.
#' @param data_list is a objet with a list of dataframes with the informations on the samples.
#' @param T.name this parameter can be "TRX.nt", "TRX.aa", "TRA.nt", "TRA.aa", "TRB.nt",
#' "TRB.aa", "TRG.nt", "TRG.aa", "TRD.nt", "TRD.aa"
#' @return a data frame with two columns, a first with Samples id and a second with a richness index
#' @export dataframe with richness region
#' @examples
#'
#'
fun_rich<- function(data_list, T.name){
if(T.name == "TRX.nt") {
mmm<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneIG"), sep = "IG"))
#2 Filtro por los NA de la columna cloneIG
df_CDR3filter <- lapply(mmm, function(x) x[which(is.na(x[,"cloneIG"])==TRUE), ])
#3 Elimino la columna cloneIG
df_CDR3TRX <- purrr::map(df_CDR3filter, ~ dplyr::select(.x,-one_of(c("cloneIG")))) #elimino la columna otros creada arriba para separar clonotypos
#4 Sumo las filas para CDR3nt
data_CDR3nt_sum<- purrr::map(df_CDR3TRX, ~ dplyr::group_by(.x, nSeqCDR3) %>% dplyr::summarize(cont=dplyr::n()))
#5 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3nt <-
lapply(names(data_CDR3nt_sum), function(i){
x <- data_CDR3nt_sum[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#6 Une los dataframes CDR3
data_CDR3ntf <- purrr::reduce(data_CDR3nt, dplyr::full_join, by = "nSeqCDR3")
#7 Sumo las cantidades
richness_TRX_CDR3nt<- colSums(!is.na(data_CDR3ntf[,-1]))
richness_TRX_CDR3nt<- as.data.frame(richness_TRX_CDR3nt)
richness_TRX_CDR3nt["Sample"]<- row.names(richness_TRX_CDR3nt)
richness_TRX_CDR3nt
}else if(T.name == "TRA.nt") {
###Ahora sumo TRAnt
#1 Esta si me filtra los TRA en otra columna
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRA"), sep = "TRA"))
#2 Filtro por los NA de la columna cloneTRA
df_CDR3filter <- lapply(filter1, function(x) x[which(is.na(x[,"cloneTRA"])==FALSE), ])
#3 Sumo las filas para CDR3nt
data_CDR3nt_sum<- purrr::map(df_CDR3filter, ~ dplyr::group_by(.x, nSeqCDR3) %>% dplyr::summarize(cont=dplyr::n()))
#4 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3nt <-
lapply(names(data_CDR3nt_sum), function(i){
x <- data_CDR3nt_sum[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#5 Une los dataframes CDR3
data_CDR3ntf <- purrr::reduce(data_CDR3nt, dplyr::full_join, by = "nSeqCDR3")
#6 Sumo las cantidades
richness_TRA_CDR3nt<- colSums(!is.na(data_CDR3ntf[,-1]))
richness_TRA_CDR3nt<- as.data.frame(richness_TRA_CDR3nt)
richness_TRA_CDR3nt["Sample"]<- row.names(richness_TRA_CDR3nt)
richness_TRA_CDR3nt
}else if(T.name == "TRB.nt") {
###Ahora sumo TRBnt
#1 Esta si me filtra los TRB en otra columna
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRB"), sep = "TRB"))
#2 Filtro por los NA de la columna cloneTRA
df_CDR3filter <- lapply(filter1, function(x) x[which(is.na(x[,"cloneTRB"])==FALSE), ])
#3 Sumo las filas para CDR3nt
data_CDR3nt_sum<- purrr::map(df_CDR3filter, ~ dplyr::group_by(.x, nSeqCDR3) %>% dplyr::summarize(cont=dplyr::n()))
#4 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3nt <-
lapply(names(data_CDR3nt_sum), function(i){
x <- data_CDR3nt_sum[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#5 Une los dataframes CDR3
data_CDR3ntf <- purrr::reduce(data_CDR3nt, dplyr::full_join, by = "nSeqCDR3")
#6 Sumo las cantidades
richness_TRB_CDR3nt<- colSums(!is.na(data_CDR3ntf[,-1]))
richness_TRB_CDR3nt<- as.data.frame(richness_TRB_CDR3nt)
richness_TRB_CDR3nt["Sample"]<- row.names(richness_TRB_CDR3nt)
richness_TRB_CDR3nt
}else if(T.name == "TRG.nt") {
###Ahora sumo TRGnt
#1 Esta si me filtra los TRG en otra columna
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRG"), sep = "TRG"))
#2 Filtro por los NA de la columna cloneTRA
df_CDR3filter <- lapply(filter1, function(x) x[which(is.na(x[,"cloneTRG"])==FALSE), ])
#3 Sumo las filas para CDR3nt
data_CDR3nt_sum<- purrr::map(df_CDR3filter, ~ dplyr::group_by(.x, nSeqCDR3) %>% dplyr::summarize(cont=dplyr::n()))
#4 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3nt <-
lapply(names(data_CDR3nt_sum), function(i){
x <- data_CDR3nt_sum[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#5 Une los dataframes CDR3
data_CDR3ntf <- purrr::reduce(data_CDR3nt, dplyr::full_join, by = "nSeqCDR3")
#6 Sumo las cantidades
richness_TRG_CDR3nt<- colSums(!is.na(data_CDR3ntf[,-1]))
richness_TRG_CDR3nt<- as.data.frame(richness_TRG_CDR3nt)
richness_TRG_CDR3nt["Sample"]<- row.names(richness_TRG_CDR3nt)
richness_TRG_CDR3nt
}else if(T.name == "TRD.nt") {
###Ahora sumo TRDnt
#1 Esta si me filtra los TRA en otra columna
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRD"), sep = "TRD"))
#2 Filtro por los NA de la columna cloneTRD
df_CDR3filter <- lapply(filter1, function(x) x[which(is.na(x[,"cloneTRD"])==FALSE), ])
#3 Sumo las filas para CDR3nt
data_CDR3nt_sum<- purrr::map(df_CDR3filter, ~ dplyr::group_by(.x, nSeqCDR3) %>% dplyr::summarize(cont=dplyr::n()))
#4 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3nt <-
lapply(names(data_CDR3nt_sum), function(i){
x <- data_CDR3nt_sum[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#5 Une los dataframes CDR3
data_CDR3ntf <- purrr::reduce(data_CDR3nt, dplyr::full_join, by = "nSeqCDR3")
#6 Sumo las cantidades
richness_TRD_CDR3nt<- colSums(!is.na(data_CDR3ntf[,-1]))
richness_TRD_CDR3nt<- as.data.frame(richness_TRD_CDR3nt)
richness_TRD_CDR3nt["Sample"]<- row.names(richness_TRD_CDR3nt)
richness_TRD_CDR3nt
}else if(T.name == "TRX.aa") {
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneIG"), sep = "IG"))
m2 <- lapply(filter1, function(x) x[which(is.na(x[,"cloneIG"])==TRUE), ])
m3 <- purrr::map(m2, ~ dplyr::select(.x,-one_of(c("cloneIG")))) #elimino la columna otros creada arriba para separar clonotypos
m4<- purrr::map(m3, ~ tidyr::separate(.x, aaSeqCDR3, c("aaSeqCDR3", "cl"), sep = "\\~|\\*"))
m5 <- lapply(m4, function(x) x[which(is.na(x[,"cl"])==TRUE), ])
da_CDR3aa_filterim<- purrr::map(m5, ~ dplyr::group_by(.x, aaSeqCDR3) %>% dplyr::summarize(cont=dplyr::n())) #Tiene en cuenta los unique para cada secuencia CDR3aa si esta 2 veces n=2
#5 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3aa <-
lapply(names(da_CDR3aa_filterim), function(i){
x <- da_CDR3aa_filterim[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#6 Une los dataframes CDR3
data_CDR3aaf <- purrr::reduce(data_CDR3aa, dplyr::full_join, by = "aaSeqCDR3")
#7 Sumo las cantidades
richness_TRX_CDR3aa<- colSums(!is.na(data_CDR3aaf[,-1]))
richness_TRX_CDR3aa<- as.data.frame(richness_TRX_CDR3aa)
richness_TRX_CDR3aa["Sample"]<- row.names(richness_TRX_CDR3aa)
richness_TRX_CDR3aa
}else if(T.name == "TRA.aa") {
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneIG"), sep = "IG"))
m2 <- lapply(filter1, function(x) x[which(is.na(x[,"cloneIG"])==TRUE), ])
m3 <- purrr::map(m2, ~ dplyr::select(.x,-one_of(c("cloneIG")))) #elimino la columna otros creada arriba para separar clonotypos
m4 <- purrr::map(m3, ~ tidyr::separate(.x, aaSeqCDR3, c("aaSeqCDR3", "cl"), sep = "\\~|\\*"))
m5 <- lapply(m4, function(x) x[which(is.na(x[,"cl"])==TRUE), ])
m6 <- purrr::map(m5, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRA"), sep = "TRA"))
m7 <- lapply(m6, function(x) x[which(is.na(x[,"cloneTRA"])==FALSE), ])
da_CDR3aa_filterim<- purrr::map(m7, ~ dplyr::group_by(.x, aaSeqCDR3) %>% dplyr::summarize(cont=dplyr::n())) #Tiene en cuenta los unique para cada secuencia CDR3aa si esta 2 veces n=2
#5 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3aa <-
lapply(names(da_CDR3aa_filterim), function(i){
x <- da_CDR3aa_filterim[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#6 Une los dataframes CDR3
data_CDR3aaf <- purrr::reduce(data_CDR3aa, dplyr::full_join, by = "aaSeqCDR3")
#7 Sumo las cantidades
richness_TRA_CDR3aa<- colSums(!is.na(data_CDR3aaf[,-1]))
richness_TRA_CDR3aa<- as.data.frame(richness_TRA_CDR3aa)
richness_TRA_CDR3aa["Sample"]<- row.names(richness_TRA_CDR3aa)
richness_TRA_CDR3aa
}else if(T.name == "TRB.aa") {
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneIG"), sep = "IG"))
m2 <- lapply(filter1, function(x) x[which(is.na(x[,"cloneIG"])==TRUE), ])
m3 <- purrr::map(m2, ~ dplyr::select(.x,-one_of(c("cloneIG")))) #elimino la columna otros creada arriba para separar clonotypos
m4 <- purrr::map(m3, ~ tidyr::separate(.x, aaSeqCDR3, c("aaSeqCDR3", "cl"), sep = "\\~|\\*"))
m5 <- lapply(m4, function(x) x[which(is.na(x[,"cl"])==TRUE), ])
m6 <- purrr::map(m5, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRB"), sep = "TRB"))
m7 <- lapply(m6, function(x) x[which(is.na(x[,"cloneTRB"])==FALSE), ])
da_CDR3aa_filterim<- purrr::map(m7, ~ dplyr::group_by(.x, aaSeqCDR3) %>% dplyr::summarize(cont=dplyr::n())) #Tiene en cuenta los unique para cada secuencia CDR3aa si esta 2 veces n=2
#5 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3aa <-
lapply(names(da_CDR3aa_filterim), function(i){
x <- da_CDR3aa_filterim[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#6 Une los dataframes CDR3
data_CDR3aaf <- purrr::reduce(data_CDR3aa, dplyr::full_join, by = "aaSeqCDR3")
#7 Sumo las cantidades
richness_TRB_CDR3aa<- colSums(!is.na(data_CDR3aaf[,-1]))
richness_TRB_CDR3aa<- as.data.frame(richness_TRB_CDR3aa)
richness_TRB_CDR3aa["Sample"]<- row.names(richness_TRB_CDR3aa)
richness_TRB_CDR3aa
}else if(T.name == "TRG.aa") {
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneIG"), sep = "IG"))
m2 <- lapply(filter1, function(x) x[which(is.na(x[,"cloneIG"])==TRUE), ])
m3 <- purrr::map(m2, ~ dplyr::select(.x,-one_of(c("cloneIG")))) #elimino la columna otros creada arriba para separar clonotypos
m4 <- purrr::map(m3, ~ tidyr::separate(.x, aaSeqCDR3, c("aaSeqCDR3", "cl"), sep = "\\~|\\*"))
m5 <- lapply(m4, function(x) x[which(is.na(x[,"cl"])==TRUE), ])
m6 <- purrr::map(m5, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRG"), sep = "TRG"))
m7 <- lapply(m6, function(x) x[which(is.na(x[,"cloneTRG"])==FALSE), ])
da_CDR3aa_filterim<- purrr::map(m7, ~ dplyr::group_by(.x, aaSeqCDR3) %>% dplyr::summarize(cont=dplyr::n())) #Tiene en cuenta los unique para cada secuencia CDR3aa si esta 2 veces n=2
#5 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3aa <-
lapply(names(da_CDR3aa_filterim), function(i){
x <- da_CDR3aa_filterim[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#6 Une los dataframes CDR3
data_CDR3aaf <- purrr::reduce(data_CDR3aa, dplyr::full_join, by = "aaSeqCDR3")
#7 Sumo las cantidades
richness_TRG_CDR3aa<- colSums(!is.na(data_CDR3aaf[,-1]))
richness_TRG_CDR3aa<- as.data.frame(richness_TRG_CDR3aa)
richness_TRG_CDR3aa["Sample"]<- row.names(richness_TRG_CDR3aa)
richness_TRG_CDR3aa
}else if(T.name == "TRD.aa") {
filter1<- purrr::map(data_list, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneIG"), sep = "IG"))
m2 <- lapply(filter1, function(x) x[which(is.na(x[,"cloneIG"])==TRUE), ])
m3 <- purrr::map( m2, ~ dplyr::select(.x,-one_of(c("cloneIG")))) #elimino la columna otros creada arriba para separar clonotypos
m4 <- purrr::map( m3, ~ tidyr::separate(.x, aaSeqCDR3, c("aaSeqCDR3", "cl"), sep = "\\~|\\*"))
m5 <- lapply( m4, function(x) x[which(is.na(x[,"cl"])==TRUE), ])
m6 <- purrr::map( m5, ~ tidyr::separate(.x, allVHitsWithScore, c("allVHitsWithScore", "cloneTRD"), sep = "TRD"))
m7 <- lapply( m6, function(x) x[which(is.na(x[,"cloneTRD"])==FALSE), ])
da_CDR3aa_filterim<- purrr::map( m7, ~ dplyr::group_by(.x, aaSeqCDR3) %>% dplyr::summarize(cont=dplyr::n())) #Tiene en cuenta los unique para cada secuencia CDR3aa si esta 2 veces n=2
#5 Cambio el nombre de la columna 2 = count por la lista de nombres
data_CDR3aa <-
lapply(names(da_CDR3aa_filterim), function(i){
x <- da_CDR3aa_filterim[[ i ]]
# cambiar el nombre de la segunda columna
names(x)[2] <- i
# devuelve
x
})
#6 Une los dataframes CDR3
data_CDR3aaf <- purrr::reduce(data_CDR3aa, dplyr::full_join, by = "aaSeqCDR3")
#7 Sumo las cantidades
richness_TRD_CDR3aa<- colSums(!is.na(data_CDR3aaf[,-1]))
richness_TRD_CDR3aa<- as.data.frame(richness_TRD_CDR3aa)
richness_TRD_CDR3aa["Sample"]<- row.names(richness_TRD_CDR3aa)
richness_TRD_CDR3aa
}
}