计算每个单元格给定字符的出现次数

Question

问题

例如，如果我想计算一列字符串中N的数量，我该如何在每个单元格的Google Spreadsheets中执行此操作（即一次指向一个单元格的公式我可以拖下来）？

背景

我必须为名为TOMTOM **的程序确定一个阈值-min-overlap <integer>，该程序比较小DNA图案的*** ***之间的相似性****，N是对于字母A，C，G和T的任何线性组合的正则表达式。如果我能够了解我的DNA图案的非N长度的分布以帮助告知我正确的{{1 TOMTOM的值。

以下是一些真实的例子：

** TOMTOM是一种将DNA基序与已知基序数据库进行比较的工具。有关详细信息，请参阅here。

*** PWM代表位置权重矩阵：

• According to Wiki：位置权重矩阵（PWM），也称为位置特定权重矩阵（PSWM）或位置特定评分矩阵（PSSM），是一种常用的图案（模式）表示。生物序列。
• According to this paper，可以定义为：

  

位置权重矩阵（PWM）或类似PWM的模型被广泛使用   代表蛋白质的DNA结合偏好（Stormo，2000）。在这些   模型，矩阵用于表示TF结合位点（TFBS），具有   每个元素代表对整体绑定的贡献   来自相应位置的核苷酸的亲和力。固有的   传统PWM模型的假设是位置独立性;那   是，TFBS中不同核苷酸位置的贡献   假定总体结合亲和力是累加的。虽然   这种近似是广泛有效的，然而，它并不成立   对于几种蛋白质（Man＆amp; Stormo，2001; Bulyk等，2002）。至   改进定量建模，PWM模型已经扩展到   包括其他参数，例如k-mer特征   TFBS中的位置依赖性（Zhao等，2012; Mathelier＆amp; Sons，Inc。   Wasserman，2013; Mordelet等，2013; Weirauch等，2013;莱利等   al，2015）。核苷酸位置之间的相互依赖性有一个   结构起源。例如，堆叠相邻之间的相互作用   碱基对形成局部三维DNA结构。 TF有   对序列依赖性DNA构象的偏好，我们称之为DNA   形状读数（Rohs等，2009,2010）。

或更多当代人：

  

基于这个理由，可以采用另一种方法来增强   传统的PWM模型是包含DNA结构特征。   结合这些DNA形状的TF-DNA结合特异性的模型   功能达到了与模型相当的性能水平   结合更高阶的k-mer特征，同时需要很多   参数数量较少（Zhou等，2015）。我们以前   揭示了DNA形状读数对基本成员的重要性   螺旋 - 环 - 螺旋（bHLH）和同源域TF家族（Dror等，2014;   Yang等，2014; Zhou等，2015）。我们也能够为Hox TFs，   确定TFBS中哪些区域使用DNA形状读数，   展示了揭示机制见解的方法的力量   进入TF-DNA识别（Abe等，2015）。这个能力是   由于缺乏，仅为两个蛋白质家族广泛显示   大规模的高质量TF-DNA结合数据。随着最近   它丰富的高通量测量蛋白质-DNA结合   现在可以解剖许多TF的DNA形状读数的作用   家庭。

**** DNA基序：wiki：在遗传学中，序列基序是一种广泛存在的核苷酸或氨基酸序列模式，具有或被推测具有生物学意义。对于蛋白质，序列基序与结构基序不同，结构基序是由氨基酸的三维排列形成的基序，可能不相邻。

Answer 1

一次一个单元格的替代方案（要复制的公式）：

=len(A2)-len(SUBSTITUTE(A2,"N",""))

Answer 2

我不知道这是否会有所帮助，但是让我们说你在A2：A6范围内有这些字符串并且你输入

=ArrayFormula(LEN(REGEXREPLACE(A2:A6, "[^N]", "")))

B2中的

，应输出整个范围的N计数。

Answer 3

=len(A2)-len(SUBSTITUTE(A2,"N",""))

这可行，但是如果要查找与特定模式匹配的所有数字，请说3。然后：

=len(A2)-len(SUBSTITUTE(A2,"3",""))

这就是您所需要的。