如何在缩减GRanges对象时保留元数据列？

问题重现 #

我尝试缩减一个GRanges对象，但调用reduce()函数后，元数据列（如score）会丢失。以下是示例数据和问题表现：

示例GRanges对象 #

library(GenomicRanges)

# 构建示例数据
gr <- GRanges(seqnames = c("chr1", "chr1", "chr1"),
              ranges = IRanges(c(11, 101, 101), c(20, 200, 200)),
              strand = c("+", "-", "-"),
              name = c("a1", "a2", "a2"),
              score = c(1, 2, 3))

# 查看原对象
gr

输出：

seqnames    ranges strand |        name     score
         <Rle> <IRanges>  <Rle> | <character> <integer>
  [1]     chr1     11-20      + |          a1         1
  [2]     chr1   101-200      - |          a2         2
  [3]     chr1   101-200      - |          a2         3

直接使用reduce()的问题 #

调用原生reduce()会丢弃所有元数据列：

reduce(gr)

输出：

seqnames    ranges strand
         <Rle> <IRanges>  <Rle>
  [1]     chr1     11-20      +
  [2]     chr1   101-200      -

期望结果 #

希望缩减区间的同时保留元数据，比如将同一区间的score合并展示：

seqnames    ranges strand    score
         <Rle> <IRanges>  <Rle>     
  [1]     chr1     11-20      +       1
  [2]     chr1   101-200      -       2,3

解决方案 #

以下两种方法均可实现缩减区间并保留元数据的需求：

方法1：使用GenomicRanges原生函数 #

先生成缩减后的区间，再通过重叠匹配关联原数据，最后聚合元数据列：

# 1. 生成缩减后的GRanges
gr_reduced <- reduce(gr)

# 2. 匹配原数据与缩减后区间的重叠关系
ov <- findOverlaps(gr, gr_reduced)

# 3. 聚合score列，用逗号分隔同一区间的多个值
mcols(gr_reduced)$score <- aggregate(
  x = mcols(gr)$score[queryHits(ov)],
  by = list(subjectHits(ov)),
  FUN = function(x) paste(x, collapse = ", ")
)$x

# 查看最终结果
gr_reduced

方法2：使用plyranges包（语法更简洁） #

plyranges提供了类tidy的语法，适合分组聚合操作：

library(plyranges)

gr %>%
  group_by(seqnames, strand) %>%  # 按染色体和链分组
  reduce_ranges(score = paste(score, collapse = ", "))  # 缩减区间并合并score

两种方法都能得到符合预期的结果，既完成区间缩减，又保留并合并了对应元数据。

内容的提问来源于stack exchange，提问作者zhang