如何判断数据框POS列的每个值是否属于另一数据框的任一区间？

我有一组位置值数据：

> head(jap["POS"])
      POS
1  836924
2  922009
3 1036959
4 141607615
5 164000000 
6 118528028 
[...]

还有一组基因区间数据（第一行是区间起始，第二行是区间终止）：

> genes_of_interest
       MGAM        SI      TREH    SLC2A2  SLC2A5   SLC5A1  TAS1R3       LCT
1 141607613 164696686 118528026 170714137 9095166 32439248 1266660 136545420
2 141806547 164796284 118550359 170744539 9148537 32509016 1270694 136594754

需求是检查每个位置值是否落在上述任意一个基因区间内，预期结果为：

FALSE FALSE FALSE TRUE FALSE TRUE

（注：141607615属于MGAM区间，118528028属于TREH区间）

实现方法 #

方法一：基础R实现（适合小数据集）

先将区间数据整理成更易处理的格式，再逐个检查位置值：

# 把区间数据转换为包含基因名、起始、终止的DataFrame
intervals <- data.frame(
  gene = colnames(genes_of_interest),
  start = unlist(genes_of_interest[1, ]),
  end = unlist(genes_of_interest[2, ])
)

# 遍历每个位置值，判断是否落在任意区间内
result <- sapply(jap$POS, function(pos) {
  any(intervals$start <= pos & intervals$end >= pos)
})

# 输出结果
result

方法二：用GenomicRanges包实现（适合大数据集，效率更高）

GenomicRanges是专门处理基因组区间的工具包，适合大规模数据的快速匹配：

# 安装包（首次使用时执行）
# install.packages("GenomicRanges")
library(GenomicRanges)

# 将位置值转为GRanges对象（假设所有位置都在chr1，需根据实际染色体修改）
pos_gr <- GRanges(
  seqnames = "chr1",
  ranges = IRanges(start = jap$POS, end = jap$POS)
)

# 将基因区间转为GRanges对象
gene_gr <- GRanges(
  seqnames = "chr1",
  ranges = IRanges(
    start = unlist(genes_of_interest[1, ]),
    end = unlist(genes_of_interest[2, ])
  )
)

# 检查每个位置是否与任意区间重叠
result <- overlapsAny(pos_gr, gene_gr)

# 输出结果
result

内容的提问来源于stack exchange，提问作者Kiffikiffe