在阅读这个问题时,我认为以下问题很简单StringSplit
给定以下字符串,我想在每个"D"的左侧"剪切"它,以便:
我得到一个片段列表(序列不变)
StringJoin@fragments返回原始字符串(但如果我必须重新排序片段以获得此字符串,则无关紧要).也就是说,每个片段中的序列很重要,我不想丢失任何字符.
(我感兴趣的例子是蛋白质序列(字符串),其中每个字符代表一个字母代码中的氨基酸.我想获得通过用已知在"D"之前分裂的酶处理获得的所有片段的理论列表. )
str = "MTPDKPSQYDKIEAELQDICNDVLELLDSKGDYFRYLSEVASGDN"
我能想到的最好的是在每个"D"之前插入一个空格StringReplace然后使用StringSplit.至少可以说,这似乎很尴尬.
frags1 = StringSplit@StringReplace[str, "D" -> " D"]
作为输出:
{"MTP", "DKPSQY", "DKIEAELQ", "DICN", "DVLELL", "DSKG", "DYFRYLSEVASG", "DN"}
或者,使用StringReplacePart:
frags1alt =
StringSplit@StringReplacePart[str, " D", StringPosition[str, "D"]]
最后(更现实地),如果我想在"D"之前分裂,前提是它前面的残留物不是"P"[即PD,(Pro-Asp)键未被切割],我这样做:
StringSplit@StringReplace[str, (x_ /; x != "P") ~~ "D" -> x ~~ " D"]
有更优雅的方式吗？
速度不一定是个问题.我不太可能处理大于500个字符的字符串.我正在使用Mma 7.
更新
我添加了生物信息学标签,我认为从该领域添加一个例子可能会引起兴趣.
以下使用eutils从NCBI数据库中导入蛋白质序列(牛血清白蛋白,登录号3336842),然后产生(理论上的)胰蛋白酶消化物.假设A2不是"R","K"或"P",我认为当A1是"R"或"K"时,酶tripin在残基A1-A2之间切割.如果有人有任何改进建议,请随时提出修改建议.
使用sakra方法的修改('db ='之后的回车可能需要删除):
StringJoin /@
Split[Characters[#],
And @@ Function[x, …