R语言：如何按行应用双参函数获取序列与参考序列的mismatch位置

问题背景 #

现有参考序列和多条查询序列：

ref_seq <- "ATTT"
df <- data.frame(V1=c("AATT", "TTTT", "GGTT"))

需要返回每条查询序列与参考序列相比的mismatch位置，但原代码输出不符合预期：

原代码 #

seqdiff <- function(seq1, seq2) {
  seq <- strsplit(c(seq1, seq2), split= '')
  mismatches <- which(seq[[1]] != seq[[2]])
  return(mismatches)
}
    
apply(X=df, MARGIN=2, function(x) seqdiff(x, ref_seq))

# 原输出：
#      V1
# [1,]  1
# [2,]  2

预期输出 #

#      V1
# [1,]  2
# [2,]  1
# [3,]  1 2

问题分析 #

1. 参数逻辑混淆：原函数调用时传递的参数顺序导致差异位置判断反向，第一条查询的结果完全错误。
2. apply的局限性：apply会强制将结果转换为矩阵，当某条查询返回多个mismatch位置时，结果会被截断或丢失，导致第三条查询的结果无法显示。

修正方案 #

方法1：用lapply保留完整结果 #

明确参数含义，改用lapply处理向量输入，确保每个结果完整保留：

seqdiff <- function(query_seq, ref_seq) {
  # 拆分序列为单个碱基
  query_split <- strsplit(query_seq, split = "")[[1]]
  ref_split <- strsplit(ref_seq, split = "")[[1]]
  # 定位差异位置
  which(query_split != ref_split)
}

# 遍历所有查询序列
result <- lapply(df$V1, seqdiff, ref_seq = ref_seq)
result

输出结果：

[[1]]
[1] 2

[[2]]
[1] 1

[[3]]
[1] 1 2

方法2：转换为类矩阵格式输出 #

如果需要接近预期的矩阵样式，可将列表结果转为字符串后构建矩阵：

# 将每个差异位置集合转为字符串
result_str <- sapply(result, function(x) paste(x, collapse = " "))
# 构建矩阵并设置列名
result_matrix <- matrix(result_str, ncol = 1, dimnames = list(NULL, "V1"))
result_matrix

输出结果：

V1   
[1,] "2"  
[2,] "1"  
[3,] "1 2"

关键说明 #

• 函数参数明确区分查询序列和参考序列，避免逻辑混淆。
• lapply适合处理长度可变的结果，不会像apply那样强制统一结构。
• 类矩阵格式的输出通过字符串拼接实现，兼顾可读性和格式要求。

内容的提问来源于stack exchange，提问作者Paolo Lorenzini