我的数据框包含column1
中的字符串和column2
中的ID。该字符串包含A,T,G or C
。
我想打印位置为A
的行。
然后我想在第2位打印A
的行,依此类推,并将它们保存在单独的文件中。
到目前为止,我已经使用R中的biostrings进行类似的分析,但它不能完全解决这个问题。我想用perl。
Sequence ID
TATACAAGGGCAAGCTCTCTGT mmu-miR-381-3p
TCGGATCCGTCTGAGCT mmu-miR-127-3p
ATAGTAGACCGTATAGCGTACG mmu-miR-411-5p
......
600 more lines
答案 0 :(得分:1)
Biostrings将完美运行,并且速度非常快。让我们称你的DNA字符串集mydata
HasA <- sapply(mydata,function(x) as.character(x[2]) == "A")
现在你有一个TRUE或FALSE向量,表明哪个序列在位置2有一个A.你可以将它变成一个很好的数据框,如下所示
HasA.df <- data.frame("SeqName" = names(mydata), "A_at_2" = HasA)
答案 1 :(得分:1)
不确定预期的结果,
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
您可以使用which
获取满足每个位置条件的行的索引
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
使用索引values
来提取行。第一名
mydata[res$values[res$ind==1],]
# Sequence ID
# 3 ATAGTAGACCGTATAGCGTACG mmu-miR-411-5p
答案 2 :(得分:0)
使用perl one-liner
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