在 R 中的序列中找到 A-U、C-G 和 G-U 对比例

Question

我一直在徘徊这个程序问题，但我还没有得到一个明确的答案......

我有两个对象，比如说 a 和 b。对象a是一个字符串，代表一个RNA序列，像这样：

> a
[1] "C" "A" "C" "C" "U" "U" "G" "U" "C" "C" "U" "C" "A" "C" "G" "G" "U" "C" "C" "A" "G" "U" "U" "U" "U" "C" "C" "C" "A" "G"
[31] "G" "A" "A" "U" "C" "C" "C" "U" "U" "A" "G" "A" "U" "G" "C" "U" "G" "A" "G" "A" "U" "G" "G" "G" "G" "A" "U" "U" "C" "C"
[61] "U" "G" "G" "A" "A" "A" "U" "A" "C" "U" "G" "U" "U" "C" "U" "U" "G" "A" "G" "G" "U" "C" "A" "U" "G" "G"

而对象b是另一个字符串，表示一个折叠结构，其中“(”符号表示a中的一个字母，与另一个相同序列的字母配对，表示为“)”。符号“。”表示这个字母没有配对。

对象 b 如下所示：

> b
[1] "." "." "(" "(" "." "(" "(" "." "(" "(" "(" "(" "(" "." "(" "(" "." "." "(" "(" "(" "(" "." "(" "(" "." "(" "(" "(" "("
[31] "(" "(" "(" "(" "(" "(" "(" "(" "." "." "." "." "." "." "." "." "." "." "." "." "." ")" ")" ")" ")" ")" ")" ")" ")" ")"
[61] ")" ")" ")" "." ")" ")" "." ")" ")" ")" ")" "." "." ")" ")" ")" ")" ")" ")" ")" "." ")" ")" "." ")" ")"

如果你计算每个对象a和b中的字符数，它们是相同的，也就是说b中的第一个字符对应a中的第一个字符，依此类推。说，在这种情况下，a[1] 是“C”，对应于 b[1]，即“.”，表示序列中的这个字母不是成对的，但是当我们到达 b[3] 时，它是“(”，a 中的第一个配对字母，对应于 a[3] 或“C”。第一个“(”在 b 中，配对字母“C”，在 a 中，连接到最后一个“)”符号b，对应b[86]，因此对应a[86]，即“G”。

b 中的第一个“(”与 b 中的最后一个“)”形成一对，依此类推。

如您所见，我的目标是确定序列中有多少个 A-U、C-G 和 G-U 对。

我在那里有信息，但我想不出 R 中的编程方法（我正在构建我的算法以从这两个对象中提取其他特征）来处理这个问题。

我曾想过提取每个“(”和每个“)”的索引号，并用它在a中找到对应的字母，然后将a[3]和a[86]等组合起来，以形成另一个对象。

所需的输出类似于构造一个由对组合组成的对象，例如 c:

> c
[1] "CG" "CG" "UA" "GC" "CG" "CG" "UA" "CG" "AU" "GU" "GC"....

这样我就可以算出有多少个CG、GC和加起来，有多少个AU、UA加起来，有多少GU或UG加起来，从而得到AU、GC和GU是多少在序列中。

有什么帮助吗？

Answer 1

当所有“（”都在第一个“）”之前，那么您可以简单地提取两个子向量，将第二个反转并组合它们：

data.frame(pair1 = a[b == "("], pair2 = rev(a[b == ")"]))

你也可以使用

mapply(paste0, a[b == "("], rev(a[b == ")"]))

如果您实际上正在寻找具有多个循环的通用解决方案，您可以将stack 与for 循环结合使用：

library(dequer)
s <- stack()
q <- queue()
for (i in seq_along(a)) {
    if(b[i] == "(")
        push(s, a[i])
    else if(b[i] == ")") 
        pushback(q, paste0(pop(s), a[i]))
}
unlist(as.list(q))