Question

我正在尝试在R中创建一个工具，它将计算以单字母氨基酸代码输入的肽链的原子组成（即碳，氢，氮和氧原子的数量）。例如，肽KGHLY由氨基酸赖氨酸（K），甘氨酸（G），组氨酸（H），亮氨酸（L）和酪氨酸（Y）组成。赖氨酸由6碳，13氢，1氮和2氧组成。甘氨酸由2个碳，5个氢，1个氮和2个氧组成。等等我希望r代码从数据框读取肽串（KGHLY）或使用readline（）从键盘输入我是R的新手，也是编程新手。我能够为每种氨基酸制造物体，例如G < - c（2,5,1,2）或构建包含所有20个氨基酸及其各自原子组成的数据框。我正在努力的一点是，我不知道如何从数据帧中获取R来索引以响应一串字母。我有一种感觉，解决方案可能非常简单，但到目前为止，我还没有找到适合这项任务的功能。

Answer 1

这里有两个主要的组成部分：选择一种存储基本数据的方法和算法计算你想要的结果。

对于计算，最好有你的数据存储在矩阵中，由于R回收短矢量的方式当乘以两个向量时。如果你这回收也会开始想要将矩阵与向量相乘，因为矩阵是a 带有一些附加属性的向量（也就是说，维度和维度名称）。考虑下面的例子来看看它是怎么回事作品

test_matrix <- matrix(data = 1:12, nrow = 3)
test_vec <- c(3, 0, 1)

test_matrix
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

test_matrix * test_vec
     [,1] [,2] [,3] [,4]
[1,]    3   12   21   30
[2,]    0    0    0    0
[3,]    3    6    9   12

根据这一观察结果，可以推断出一种解决方案其中每个氨基酸在基质中有一行可能是一个好方法存储查找数据;当我们有一个计数向量时它指定了每行所需的贡献量将足以将我们的矩阵乘以计数向量，然后对列进行求和 - 使用的最后一部分求解 colSums。

colSums(test_matrix * test_vec)
[1]  6 18 30 42

一般来说，疼痛＆＃34;将这种信息存储在一个矩阵，因为它可能是一个很多的工作＆＃34;更新以后的信息。但是，我猜它并不常见需要添加新的氨基酸，这可能不是一个问题这个案例。

因此，让我们为所需的五种氨基酸创建一个矩阵对于您在示例中提到的肽。数字是在维基百科上找到，希望我复制时不会搞砸他们。只需按照惯例添加所有其他氨基酸。

amino_acids <- rbind(
    G = c(C = 2, H = 5,  N = 1, O = 2),
    L = c(C = 6, H = 13, N = 1, O = 2),
    H = c(C = 6, H = 9,  N = 3, O = 2),
    K = c(C = 6, H = 14, N = 2, O = 2),
    Y = c(C = 9, H = 11, N = 1, O = 3))

amino_acids
  C  H N O
G 2  5 1 2
L 6 13 1 2
H 6  9 3 2
K 6 14 2 2
Y 9 11 1 3

此矩阵包含我们想要的信息，但可能是最好是按字典顺序排列它们 - 它会是很高兴确保我们没有错误地添加相同的行两次。下面的代码解决了这两个问题。

amino_acids <-
    amino_acids[sort(unique(rownames(amino_acids))), ]

amino_acids                   
  C  H N O
G 2  5 1 2
H 6  9 3 2
K 6 14 2 2
L 6 13 1 2
Y 9 11 1 3

下一部分是弄清楚如何处理多肽。这个这将通过首先使用strsplit分割字符串来完成分成单独的字符，然后使用table - 解决方案结果得到我们想要与矩阵相乘的向量。

peptide <- "KGHLY"

peptide_2 <- unlist(strsplit(x = peptide, split = ""))
peptide_2
[1] "K" "G" "H" "L" "Y"

在table上使用peptide_2给我们

table(peptide_2)
peptide_2
G H K L Y 
1 1 1 1 1

因此，这可以用于定义向量以在第一个示例中扮演test_vec的角色。但是，通常，生成的向量将包含比矩阵amino_acids的行更少的组件;因此必须首先执行限制，以便获得我们计算所需的正确格式。

有几个选项可供使用，最简单的选项可能是使用表中的名称来对amino_acids中所需的行进行子集化，这样计算就可以继续进行而无需进一步模糊。

peptide_vec <- table(peptide_2)

colSums(amino_acids[names(peptide_vec), ] * as.vector(peptide_vec))
 C  H  N  O 
29 52  8 11

这概述了一个可能解决问题核心的解决方案，这可以收集到一个照顾所有人的功能我们的步骤。

peptide_function <- function(peptide, amino_acids) {
    peptide_vec <- table(
        unlist(strsplit(x = peptide, split = "")))
    ## Compute the result and return it to the work flow.
    colSums(
        amino_acids[names(peptide_vec), ] *
        as.vector(peptide_vec))
}

最后进行一项测试，看看我们得到了和以前一样的答案。

peptide_function(peptide = "GHKLY",
                 amino_acids = amino_acids)
 C  H  N  O 
29 52  8 11

下一步是什么？那取决于你如何存储你的多肽，以及你想对结果做些什么。如果是的话例如，您将多肽存储在载体中，并希望如此为了将结果存储在矩阵中，那么它可以例如是可以使用下面给出的vapply。

data_vector <- c("GHKLY", "GGLY", "HKLGL")

result <- t(vapply(
    X = data_vector,
    FUN = peptide_function,
    FUN.VALUE = numeric(4),
    amino_acids = amino_acids))

result
       C  H N  O
GHKLY 29 52 8 11
GGLY  19 34 4  9
HKLGL 26 54 8 10

为每个字母分配数字，以便r计算单词

1 个答案: