Распределение размеров экзонов и интронов

Цель

Я пытаюсь получить распределение размеров экзонов и интронов у трехиглой колюшки ( Gasterosteus aculeatus ) .

Данные загружены

Я скачал некоторые данные из Ensembl. Точнее я туда зашел , в "атрибутах" выбрал "структура" и выбрал

- Ensembl Gene ID
- Exon Chr Start (bp)
- Exon Chr End (bp)

В этих данных есть две проблемы:

1. Некоторые экзоны заканчиваются раньше, чем начинаются
2. Некоторые экзоны перекрываются

Первый пункт я предположил из-за реверсии, поэтому я просто поменял местами начальную и конечную позиции, когда такая инверсия была. Второй пункт более проблематичен, поскольку я не знаю, что такое совпадение может означать на самом деле.

Не могли бы вы помочь найти распределение размеров экзонов и интронов у трехиглой колюшки?

Что я сделал с приведенными выше данными

Подготовка

# read data

d = read.table(file.choose(), header=TRUE)
names(d)= c("ID", "start", "end")

# Reverse exons when needed

toReverse = which(d$start > d$end)
s = d$start[toReverse]
d$start[toReverse] = d$end[toReverse]
d$end[toReverse] = s

Размеры экзонов -> Выглядит хорошо

# Exon sizes

ExonSizes = d$end - d$start
hist(ExonSizes) # Cool, looks good!

Размеры интронов -> Выглядит плохо

# Intron sizes
# This is a little slow. One might have better to switch to C++.
# The idea is to look at the distance between the end of an exon and the start of the next exon within each gene.

d$ID = paste(d$ID)
IntronSizes = c()
uniquegenes = unique(d$ID)
nbgenes = length(uniquegenes)
i=0
exon = 0
for (gene in uniquegenes)
{
    i=i+1
    cat(paste0(i," / ",nbgenes,"\n"))

    while (TRUE)
    {
        exon=exon+1
        if (d$ID[exon] == gene) {
			IntronSizes = append(IntronSizes, d[exon+1,]$start - d[exon,]$end)
        } else 
        {
            break
        }
    }
}
hist(IntronSizes) # There are negative values. I don't know how to interpret them. 

hist(log(abs(IntronSizes))) # That looks good but I doubt it makes much sense!