开发核苷酸序列

Question

我想开发以下形式的表达式：

a <- "[AGAT]5GAT[AGAT]7[AGAC]6AGAT"

我想像这样转换表达式：

b <- "AGATAGATAGATAGATAGATGATAGATAGATAGATAGATAGATAGATAGATAGACAGACAGACAGACAGACAGACAGAT"

可以看到，钩子后面的数字表示该模式被找到的次数。

目前，我将 sub(".*[*(.*?) *].*", "\1", seq) 用于 [] 之间的 select 字符，将 replicate(i, "my_string") 用于 [] 之间的复制序列，但我找不到如何让它与我的数据一起工作。

我希望说得清楚。

Answer 1

我们用gsub在[之前没有数字的地方创建1（'a1'），然后分别提取字母和数字（'v1'，'v2')，使用 strrep 和 paste 将子字符串复制到单个字符串 ('res')

library(stringr)
a1 <- gsub("(?<![0-9])\[", "1[", a, perl = TRUE)
v1 <- str_extract_all(a1, '[A-Z]+')[[1]]
v2 <- str_extract_all(a1, "[0-9]+")[[1]]
res <- paste(strrep(v1, as.numeric(c(tail(v2, -1), v2[1]))), collapse='')
res

-输出

#[1] "AGATAGATAGATAGATAGATGATAGATAGATAGATAGATAGATAGATAGATAGACAGACAGACAGACAGACAGACAGAT"

-检查 'b'

identical(res, b)
#[1] TRUE

稍微更紧凑的正则表达式是更改第一步

a1 <- gsub("(?<=[A-Z])(?=\[)|(?<=[A-Z])$", "1", a, perl = TRUE)
v1 <- str_extract_all(a1, '[A-Z]+')[[1]]
v2 <- str_extract_all(a1, "[0-9]+")[[1]]
res1 <- paste(strrep(v1, as.numeric(v2)), collapse="")
identical(res1, b)
#[1] TRUE

数据

a <- '[AGAT]5GAT[AGAT]7[AGAC]6AGAT'
b <- 'AGATAGATAGATAGATAGATGATAGATAGATAGATAGATAGATAGATAGATAGACAGACAGACAGACAGACAGACAGAT'

Answer 2

试试这个：

a<-"[AGAT]5GAT[AGAT]7[AGAC]6AGAT"

   list<-unlist(strsplit(unlist(strsplit(a,"\]")),"\["))

   number<-suppressWarnings(as.numeric(gsub("([0-9]+).*$", "\1", list)))
   number[is.na(number)]<-1  
   seq<-gsub('[0-9]+', '', list)

   out<-paste(rep(seq[2:(length(seq))],number[c(3:length(number),2)]),collapse = '')

 b="AGATAGATAGATAGATAGATGATAGATAGATAGATAGATAGATAGATAGATAGACAGACAGACAGACAGACAGACAGAT"

out==b
[1] TRUE

输出是正确的，但我不知道是否是输入中每种数据的通用解决方案

开发核苷酸序列

Develop nucleotide sequence

regex

r

bioinformatics

dna-sequence

数据