R语言变异类型分类报错：if条件长度大于1的解决方法

问题场景 #

输入示例 #

A  T
G  C
T  AG
C  T
TT C
AT CC

对应数据结构 #

df = structure(c("A", "G", "T", "C", "TT", "AT", "T", "C", "AG", "T", "C", "CC"), 
               dim = c(6L, 2L), 
               dimnames = list(NULL, c("REF", "ALT"))) %>% as.data.frame()

分类规则 #

• 当ALT长度与REF长度均为1时，标记为SNP；
• 当ALT长度等于REF长度（且长度大于1）时，标记为MNV；
• 当ALT长度小于REF长度时，标记为Deletion（缺失）；
• 当REF长度小于ALT长度时，标记为Insertion（插入）。

期望输出 #

REF ALT VARIANTTYPE
1   A   T         SNP
2   G   C         SNP
3   T  AG    Insertion
4   C   T         SNP
5  TT   C    Deletion
6  AT  CC         MNV

错误代码与报错信息 #

用户尝试的代码 #

variants = data.frame(
  REF = file@fix[, 4],
  ALT = file@fix[, 5],
  VARIANTTYPE =
    if (nchar(file@fix[, 4]) == nchar(file@fix[, 5]))
      {ifelse(nchar(file@fix[, 4]) == 1 & nchar(file@fix[, 5]) == 1, "Single nucleotide variant", "Multinucleotide variant")}
    else if (nchar(file@fix[, 4]) < nchar(file@fix[, 5])) {"Insertion"}
    else if (nchar(file@fix[, 4]) > nchar(file@fix[, 5])) {"Deletion"}
  else {"nothing"})

报错信息 #

Error in if (nchar(file@fix[, 4]) == nchar(file@fix[, 5])) { : 
  the condition has length > 1

问题原因 #

基础if语句只能处理长度为1的逻辑条件，但nchar()函数返回的是对应每一行的长度向量（长度大于1），直接用if判断会触发报错。

解决方案 #

方法1：嵌套ifelse实现向量式多条件判断 #

ifelse支持向量操作，可以嵌套实现多层逻辑判断：

# 先计算REF和ALT的长度向量
ref_len <- nchar(file@fix[, 4])
alt_len <- nchar(file@fix[, 5])

variants <- data.frame(
  REF = file@fix[, 4],
  ALT = file@fix[, 5],
  VARIANTTYPE = ifelse(
    # 第一层：判断长度是否相等
    ref_len == alt_len,
    # 长度相等时，再判断是否为单碱基
    ifelse(ref_len == 1, "SNP", "MNV"),
    # 长度不等时，判断插入/缺失
    ifelse(ref_len < alt_len, "Insertion", "Deletion")
  )
)

方法2：用dplyr::case_when实现更清晰的多条件判断 #

如果使用dplyr包，case_when可以按顺序编写多条件规则，可读性更强：

library(dplyr)

variants <- file@fix %>%
  as.data.frame() %>%
  # 提取REF和ALT列（对应原代码的第4、5列）
  select(REF = V4, ALT = V5) %>%
  mutate(
    ref_len = nchar(REF),
    alt_len = nchar(ALT),
    # 按规则依次判断
    VARIANTTYPE = case_when(
      ref_len == alt_len & ref_len == 1 ~ "SNP",
      ref_len == alt_len ~ "MNV",
      ref_len < alt_len ~ "Insertion",
      ref_len > alt_len ~ "Deletion",
      # 兜底处理异常情况
      TRUE ~ "Unknown"
    )
  ) %>%
  # 移除中间计算的长度列
  select(-ref_len, -alt_len)

测试验证 #

用提供的测试数据运行方法1，得到的结果与期望输出一致：

# 测试数据
df <- structure(c("A", "G", "T", "C", "TT", "AT", "T", "C", "AG", "T", "C", "CC"), 
               dim = c(6L, 2L), 
               dimnames = list(NULL, c("REF", "ALT"))) %>% as.data.frame()

ref_len <- nchar(df$REF)
alt_len <- nchar(df$ALT)
df$VARIANTTYPE <- ifelse(
  ref_len == alt_len,
  ifelse(ref_len ==1, "SNP", "MNV"),
  ifelse(ref_len < alt_len, "Insertion", "Deletion")
)

print(df)

输出：

REF ALT VARIANTTYPE
1   A   T         SNP
2   G   C         SNP
3   T  AG    Insertion
4   C   T         SNP
5  TT   C    Deletion
6  AT  CC         MNV

内容的提问来源于stack exchange，提问作者user25420086