Question

我有一组DNA序列如下

>gi|58445847s cyclin-dependent kinase inhibitor 1B (p27, Kip1) (CDKN1B), mRNA
ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC
GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA

>gi|584458479:571-1167 Homo sapiens 1B (p27, Kip1) (CDKN1B), mRNA
ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC
ACAAAAGAGCCAACAGAACAGAAGAAAATGTTTCAGACGGTTCCCCAAATGCCGGTTCTGTGGAGCAGAC
GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA

我只想提取[ATGC]+，而应忽略以>开头的行。

这是我制作的正则表达式。

(?!\>.*\n)[ATGC\n]+

但它找到的第一个小组C位于(CDKN1B)，然后从, mRNA中的A开始到下一个>之前的行

更新
以下Java代码可用于从文件中查找DNA序列。使用findWithinHorizon(pattern, 0)代替useDelimiter(patter)。

List<String> sequences = new ArrayList<>();
try {
    s = new Scanner(new BufferedReader(new FileReader(fc.getSelectedFile())));
    Pattern p = Pattern.compile("^[ACTG]+(?:\\r\\n[ACTG]+)*", Pattern.MULTILINE);
    String str = s.findWithinHorizon(p, 0);
    do {
        sequences.add(str);
        str = s.findWithinHorizon(p, 0);
    } while (str != null);
} catch (FileNotFoundException e) {
    System.out.println(e.getMessage());
} finally {
    if (s != null) {
        s.close();
    }
}

Answer 1

您需要在开始时添加^。这样它就会检查整行是否符合断言中给出的条件。

^(?!>.*\n)[ATGC\n]+

OR

^(?!>.*\n)[ATGC]+

DEMO

Answer 2

^>.*?\n|([ATGC\n]+)

只需尝试此操作并抓住组1。参见演示。

https://regex101.com/r/eS7gD7/31

Answer 3

使用锚点开始直线和多线修改器：

(?m)^[ACTG\n]+

前瞻是没用的。

或者如果你想修剪最后一个换行符：

(?m)^[ACTG]+(?:\n[ACTG]+)*

使用java.util.scanner：

的示例

String input = ">gi|58445847s cyclin-dependent kinase inhibitor 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n"
             + "\n"
             + ">gi|584458479:571-1167 Homo sapiens 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"                   
             + "ACAAAAGAGCCAACAGAACAGAAGAAAATGTTTCAGACGGTTCCCCAAATGCCGGTTCTGTGGAGCAGAC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n";

Pattern p = Pattern.compile("^[ACTG]+(?:\\n[ACTG]+)*$", Pattern.MULTILINE);

Scanner s = new Scanner(input);
s.useDelimiter("\n");   

while(s.hasNext()) {
    System.out.println(s.findWithinHorizon(p, 0) + "\n");
}

用正则表达式从FASTA中提取DNA

3 个答案: