确定部分 DNA 序列的长度答案

【问题标题】：Determining length of a part of a DNA sequence确定部分 DNA 序列的长度
【发布时间】：2016-02-09 16:24:15
【问题描述】：

我得到了一个 DNA 序列，例如：

ATTAGGGCCCATTACGCTGACGAGCACTTG

我需要编写一个函数，给定两个输入（DNA 序列和 A、C、G 或 T）确定仅包含特定字母的序列的最长可能部分的长度。

dna = 'ATTAGGGCCCATTACGCTGACGAGCACTTG';
giveLength(dna, 'A') 
ans = 
       1
giveLength(dna, 'C') 
ans = 
       3

我是这样开始的：

function length = giveLength(sequentce, amino)
[begin, end] = regexp(sequentie, amino , 'start', 'end')
pos = 1;                            
if isempty(begin)
    error('Doesn't exist!')
else
for i = 1:length(begin)
    if begin(i) ~= end(i)          
        if (end(i) - begin(i)) > (end(i) - begin(i)) || (end(i) - begin(i)) > 1
            pos = end(i) - begin(i);
        end
    end
end
length = pos;
end

显然这是行不通的，因为每个字母的开始和起始位置都是相同的，我也不能写amino+让它选择对应的部分。

我们将不胜感激！

【问题讨论】：

标签： regex matlab

【解决方案1】：

你可以从起始向量中减去 end 来得到匹配字符串的长度。找到最大值给出最大长度。这个也更通用一点，你可以给它传递一个序列，例如'AG'，它会返回该模式的重复次数......

function len = giveLength(sequence, amino)
[begin_i, end_i] = regexp(sequence, sprintf('(%s)+', amino) , 'start', 'end');
if isempty(begin_i)
    error('Doesn''t exist!')
else
len = (max(end_i - begin_i) + 1) / numel(amino);

顺便说一句，尽量避免使用变量名，例如length、end 等，它们要么是内部函数，要么是关键字。

【讨论】：

谢谢，这行得通！是的，虽然我没有在我的真实脚本中使用这些变量。我只将它们翻译成英文，然后忘记命名它们。不过感谢您的提示！

【解决方案2】：

我会 use this answer 并根据您的需要进行调整。

J=find(diff([dna(1)-1, dna]));
repetition=diff([J, numel(numCode)+1]);
symbol=dna(J)

现在已经完成了这个小预处理，您可以查询某个符号的长度

max(repetition(symbol=='C'))

【讨论】：