Question

我正在处理DNA，RNA和蛋白质序列，而QRegExp对我来说无法检测是否有效序列仅包含某些字符。例如，明确只包含acgt：

seq.contains(QRegExp("[gatc]"))

对我不起作用。我怎么能纠正这个？

Answer 1

默认情况下QRegExp区分大小写。

QRegExp ( const QString & pattern, Qt::CaseSensitivity cs = Qt::CaseSensitive

您应该添加参数以使其不区分大小写。

Answer 2

误解OP请求。此解决方案用于查找仅包含所有4个元素的子序列。

由于正则表达式无法计算出现次数，因此您需要检查是否存在任何匹配项。使用2个字符的简短示例：AB和BA。要检查AAABBBAAA。您将需要使用QRegExp（“（AB | BA）”），因为表达式无法搜索排列。因此，寻找每个元素一次的序列，需要进行正则表达式检查（ACGT | ACTG | AGCT | ....）

实现类似的东西会更容易：

QString seq = "gactacgtccttacgaccaacggcgataaaaattgcccgcataagacaactttcgaggcg";
QMap<QChar,int> count;

void resetCounter()
{
  count[QChar('a')] = 0;
  count[QChar('c')] = 0;
  count[QChar('g')] = 0;
  count[QChar('t')] = 0;
}

bool checkCounter()
{
  foreach(count.values(), int val)
    if(val != 1)
      return false;
  return true;
}


resetCounter();
for(int i=0; i<seq.length(); i++)
{  
  count[seq.at(i)] = count[seq.at(i)] + 1;
  if(count[seq.at(i)] > 1)
  {
    resetCounter();
    count[seq.at(i)] = 1;
  }
  if(checkCounter())
  {
    //Found sequence
    count[seq.at(i-3)] = 0;
  }
}

编辑：发现小错误。在调用resetCounter（）之后必须将当前元素设置为1

Answer 3

您正在查找序列是否包含 gatc以外的字符。您也不应该在Qt 5中使用已弃用的QRegExp。所以：

#if (QT_VERSION >= QT_VERSION_CHECK(5,0,0))
QRegularExpression invalid("[^gatcGATC]");
#else
QRegExp invalid("[^gatcGATC]");
#endif

if (seq.contains(invalid)) {
  qDebug() << "invalid sequence!";
  ...
}

QRegExp匹配某些字母？

3 个答案: