在 R 中将特定字符串与 HGVS 格式分开

Question

我试图从 HGVS 短突变格式中分离出“>”符号前后的特定字符串，示例如下：

"p.1258_1259EE>E"       "p.286_287RR>R"         "p.57_58KK>K"           "p.287_288AA>A"

我想实现的是从第一个字符串"p.1258_1259EE>E"开始说，我可以得到以下内容：

starting_position    end_position    initial_aa    mutant_aa
1258                 1259            EE            E
286                  287             RR            R
57                   58              KK            K

似乎比我最初想象的要复杂一些。希望这里有人可以提供帮助。谢谢童童

Answer 1

如果模式相同，base R 选项将使用 sub 格式化字符串以引入通用 sep 并在 read.csv

df1 <- read.csv(text= sub("^[^0-9]+([0-9]+)_([0-9]+)([A-Z]+)>([A-Z]+)", 
    "\1,\2,\3,\4", v1), header = FALSE, stringsAsFactors = FALSE, 
    col.names = c('starting_position', 'end_position', 'initial_aa', 'mutant_aa'))
df1
#   starting_position end_position initial_aa mutant_aa
#1              1258         1259         EE         E
#2               286          287         RR         R
#3                57           58         KK         K
#4               287          288         AA         A

数据

v1 <- c("p.1258_1259EE>E", "p.286_287RR>R", "p.57_58KK>K",  "p.287_288AA>A")

在 R 中将特定字符串与 HGVS 格式分开

separating specific strings from HGVS format in R

r

mutation

数据