在 R/Perl 正则表达式中使用 look-ahead/behind 进行复杂搜索

Question

我不知道如何在正则表达式中利用 lookaheads/behinds 来查找我正在搜索的 word/motif 的各个搜索位 (?) 之间的匹配项。

在一组 DNA 字符串中，我需要匹配 TGGA + 一个 C 或 T + 0-4 A/C/T/G + >= 5 C/T，但不希望在任何地方出现 GT比赛。我已经想出如何在 0-4 A/C/T/G（示例 #1）中消除它，但我无法弄清楚如何处理 G 来自 [A,C,T, G]{0,4} 和相邻的 T 来自 {5,}。

我尝试在将最后一部分扩展到 [C,T](?>!GT)[C,T]{4,} 之后添加一个向后看，以及 [A, C,T,G]{0,4} 不选取拆分的 GT 实例。任何 tips/help 将不胜感激！

当前正则表达式：

TGGA[C,T](?!GT)[A,C,T,G]{0,4}[C,T]{5,}

示例集：
1) TGGACGTGGTCCCCCC（不好，已处理）
2) TGGACGCCCCC (好)
3) TGGACGGGGTCCCCCC...（不好，我该如何解决？）

Answer 1

在相关的 G 字符之后使用否定先行来指示 T 不应跟随：

/TGGA[CT](?:[ACT]|G(?!T)){0,4}[CT]{5,}/

在 R/Perl 正则表达式中使用 look-ahead/behind 进行复杂搜索

Using look-ahead/behind on complex search in R/Perl regex

regex

perl

r

lookahead

lookbehind