求助，关于ACGT的识别

mg

处理基因型数据时，老是受到基因型识别的困扰，例如AG和GA其实是一种基因型，但是读取或计算时却认为是两种，怎么在R里面解决这种问题呢？

superdesolator

回复第1楼的 mg：简单的具体数据例子

mg

比如比较两个向量有多少个不同的因子一个是 AG GA TT 一个是AG AG TT 这两个向量其实是相同的，因为AG和GA其实是一种基因型，但是比较的时候就会显示有一个不同的因子，如何解决呢

mg

[s:15][s:15][s:16][s:16]

superdesolator

回复第4楼的 mg：刚回来，这个需要大牛来解决，我觉得因子的识别就是靠字符码识别的，字符不同，就是因子不同，要解决你的问题，如果问题这样AG GA TT AG AG TT AG SS NN 那么可以用前后两个来设置因子格式，但是如果还有这样的基因AG GC TT这样的话，就不行了，等待大牛出现

superdesolator

回复第4楼的 mg：对了，建议你发到SPLUS&R语言板块，那里比较多人精通R

yanlinlin82

回复第5楼的 superdesolator：试试这个：

<br />
genotype_format = function(gt)<br />
   sapply(strsplit(gt, ''), function(s) paste0(sort(s), collapse = ''))</p>
<p>gt_1 = c('AG', 'GA', 'TT')<br />
gt_2 = c('AG', 'AG', 'TT')<br />
all(genotype_format(gt_1) == genotype_format(gt_2))<br />

</p>

回复第6楼的 superdesolator：重复发帖不好。

mg

多谢[s:13]

superdesolator

回复第7楼的 yanlinlin82：敢问大牛的思路是不是,把一个基因分三段,然后对每小段排序,然后重新粘贴,这样的话,可以比较每段字母一样，但顺序不同的基因.由于不懂基因序列啥样子，是不是还有类似：

AB CD KK

BA DC KK 这种其实是一种基因的情况呢？如果是的话，大牛的方法很赞！

yanlinlin82

回复第9楼的 superdesolator：[s:17]实际跑一下R不就知道了：

<br />
all(genotype_format(c('AB', 'CD', 'KK')) == genotype_format(c('BA', 'DC', 'KK')))<br />

</p>

话说这种方法也就只能处理单个碱基变化的基因型。