基于R语言计算比对序列与共识序列的逐位匹配数量

一、基于已有数据框df的实现 #

假设你的数据框df结构示例如下：

可以用以下代码为df添加count列，统计每个位置上与共识序列匹配的序列数量：

使用dplyr包 #

library(dplyr)

# 假设序列列以"seq"开头，共识列名为consensus
df <- df %>%
  rowwise() %>%
  mutate(count = sum(c_across(starts_with("seq")) == consensus)) %>%
  ungroup()

使用Base R #

# 提取所有序列列
seq_cols <- grep("^seq", names(df), value = TRUE)
# 逐行统计匹配数量
df$count <- apply(df[seq_cols] == df$consensus, 1, sum)

二、无需创建数据框的简便实现 #

直接基于原始序列aln_seqs（字符向量，每个元素为一条比对序列）和cons_seq（单条共识序列）处理，跳过中间数据框步骤：

# 将比对序列拆分为字符矩阵
aln_matrix <- do.call(rbind, strsplit(aln_seqs, ""))
# 将共识序列拆分为字符向量
cons_vec <- strsplit(cons_seq, "")[[1]]

# 统计每个位置的匹配数
match_counts <- colSums(aln_matrix == cons_vec)

# 可选：转为位置-计数的对应数据框
result_df <- data.frame(position = 1:length(match_counts), count = match_counts)

这种方法直接通过矩阵运算完成计数，效率更高，适合处理大规模序列数据。

内容的提问来源于stack exchange，提问作者DaniCee