#string #r #perl
#строка #r #perl
Вопрос:
У меня есть фрейм данных с символьными строками column1 и идентификатором column2 . Строка содержит A,T,G or C . Я хотел бы напечатать строки, которые имеют A начальную позицию 1. Затем я хотел бы распечатать строки, которые A находятся в позиции 2 и так далее, и сохранить их в отдельных файлах. До сих пор я использовал biostrings в R для аналогичного анализа, но это точно не сработает для этой проблемы. Я хотел бы использовать perl.
Sequence ID
TATACAAGGGCAAGCTCTCTGT mmu-miR-381-3p
TCGGATCCGTCTGAGCT mmu-miR-127-3p
ATAGTAGACCGTATAGCGTACG mmu-miR-411-5p
......
600 more lines
Комментарии:
1. Ну, первый запуск был бы
data[,1][order(substring(data[,1], 1, 1))]. Таким образом, вы должны иметь возможность перебирать буквы каждой строки
Ответ №1:
Биостринги будут работать отлично, и это будет довольно быстро. Давайте назовем ваш набор строк ДНК mydata
HasA <- sapply(mydata,function(x) as.character(x[2]) == "A")
Теперь у вас есть вектор TRUE или FALSE, указывающий, какая последовательность имеет A в позиции 2. Вы можете превратить это в красивый фрейм данных, подобный этому
HasA.df <- data.frame("SeqName" = names(mydata), "A_at_2" = HasA)
Комментарии:
1. Спасибо, я попробую это
Ответ №2:
Не уверен в ожидаемом результате,
mydata <- read.table(text="Sequence ID
TATACAAGGGCAAGCTCTCTGT mmu-miR-381-3p
TCGGATCCGTCTGAGCT mmu-miR-127-3p
ATAGTAGACCGTATAGCGTACG mmu-miR-411-5p",sep="",header=T,stringsAsFactors=F)
mCh <- max(nchar(mydata[,1])) #gives the maximum number of characters in the first column
sapply(seq(mCh), function(i) substr(mydata[,1],i,i)=="A") #gives the index
Вы можете использовать which для получения индекса строки, которая удовлетворяет условию для каждой позиции
res <- stack(setNames(sapply(seq(mCh),
function(i) which(substr(mydata[,1],i,i)=="A")),1:mCh))[,2:1]
tail(res, 5) #for the 13th position, 1st and 3rd row of the sequence are TRUE
ind values
#11 13 1
#12 13 3
#13 14 2
#14 15 3
#15 20 3
используйте индекс values для извлечения строк. Для 1-й позиции
mydata[res$values[res$ind==1],]
# Sequence ID
# 3 ATAGTAGACCGTATAGCGTACG mmu-miR-411-5p
Комментарии:
1. Как вы печатаете строки из исходной входной матрицы, которые являются ИСТИННЫМИ для каждой позиции?
Ответ №3:
Использование однострочного perl
perl -Mautodie -lane '
BEGIN {($f) = @ARGV}
next if $. == 1;
my @c = split //, $F[0];
for my $i (grep {$c[$_] eq "A"} (0..$#c)) {
open my $fh, ">>", "$f.$i";
print $fh $_;
}
' file