Regex Protein Sindirimi

Yani, bir tek-harfli kodlanmış dizide B ya da D tarafından kodlanan proteinler önce parçalayan bir enzim (merakınız için, Asp-N) ile bir protein dizisi sindiriyorum. Gerçek analizim, yakalamalar için String#scan kullanıyor. Ben önceki (.*\b) dizisinin sonunu yakalamak için varRegex Protein Sindirimi

(\w*?)(?=[BD])|(.*\b)

... aşağıdaki normal ifade doğru sindirmek değil anlamaya çalışıyorum. için:

MTMDKPSQYDKIEAELQDICNDVLELLDSKGDYFRYLSEVASGDN

Bu gibi bir şey vermelidir: [MTM, DKPSQY, DKIEAELQ, DICN, DVLELL, DSKG, ... ] ancak bunun yerine sırayla her D kaçırır.

Sorun gidermek için http://www.rubular.com kullanıyorum, 1.8.2 üzerinde çalışıyorum, ancak yine de RE REXX'i 1.9.2'de test etmeme rağmen. Sıfır genişliğindeki lookahead iddialarının yakutun her iki versiyonunda desteklendiği benim anlayışım. Regex'imle neyi yanlış yapıyorum?

kaynak

2011-05-18 Ryanmt

Hangi yöntemi kullanıyorsunuz? "String # scan", "String # split" veya başka bir şey var mı? –

+1 Ne harika bir soru. Elde ettiğin sonuçları beklemedim ve daha fazla analiz bana normal ifadenin tekrarlanan sıfır genişlikli eşleşmeleriyle ilgili bir şey öğretti. – Phrogz

"B veya D tarafından kodlanan proteinlerden önce ayrılan" ifadenizle biraz kafam karışmış durumda. Anladığım kadarıyla, ** B ** ** ya da N (**) 'nin kalıntı ya da Asn olup olmadığı bilinmeyen tek harfli koddur? Asp-N Asn'den önce ayrılabilir mi? – tomd

bunu desteklemek için basit yolu sıfır genişlikli lookahead üzerinde bölmek olduğunu verir:

sizin çözümde yanlış gittiğini ne olduğu anlamak için

s = "MTMDKPSQYDKIEAELQDICNDVLELLDSKG" 
p s.split /(?=[BD])/ 
#=> ["MTM", "DKPSQY", "DKIEAELQ", "DICN", "DVLELL", "DSKG"]

, ilk önce regex'inize bakacak olana karşı bakalım:

p s.scan(/.*?(?=[BD]|$)/) 
#=> ["MTM", "", "KPSQY", "", "KIEAELQ", "", "ICN", "", "VLELL", "", "SKG", ""] 

p s.scan(/.+?(?=[BD]|$)/) 
#=> ["MTM", "DKPSQY", "DKIEAELQ", "DICN", "DVLELL", "DSKG"]

Sorun, sıfır karakterleri yakalayabilmeniz ve yine de sıfır genişlikli göz atma noktanızla eşleşebilmeniz durumunda, tarama işaretçisini ilerletmeden başarılı olmanızdır. en basit-ama-benzer bir test durumu bakalım:

s = "abcd" 
p s.scan //  # Match any position, without advancing 
#=> ["", "", "", "", ""] 

p s.scan /(?=.)/ # Anywhere that is followed by a character, without advancing 
#=> ["", "", "", ""]

String#scan bir naif uygulaması defalarca ilk karakterin önüne işaretçisi ile eşleşen, sonsuz döngü içinde takılıp olabilir. İşaretçiyi ilerletmeden bir eşleşme gerçekleştiğinde, algoritmanın işaretçiyi bir karakter tarafından zorla ilerletir.

o zaman karakter işaretçisi hareket ettirmeden, sağ B veya D öncesinde sıfır genişlikli pozisyonunu maçları Önce bir B veya D'ye kadar olan tüm karakterleri ile eşleşen

,: Bu durumda sonuçlarını açıklıyor Sonuç olarak, algoritma işaretçiyi B veya D'yi geçecek şekilde hareket ettirir ve bundan sonra devam eder.

kaynak

2011-05-19 02:40:07 Phrogz

Belki de diğer cevaplar işe yarayacak gibi, basitleştirmeliyim, ama aradığım şey bu: Anlama! Düzenli İfademin neden kırıldığını açıkladığın için teşekkür ederim! – Ryanmt

@Ryanmt Yardım edebileceğime sevindim. Ayrıca, daha basit bölünmüş tabanlı bir çözüm yerine bunu kullanmak isterseniz, sekansın sonunu yakalamanın daha kolay bir yolunu göstermek için düzenli ifademi değiştirdim. – Phrogz

Ah. Bunu okudum ama sorunuma uygulamamıştım. Teşekkürler! – Ryanmt

Temel olarak, her B veya D'den önce dizgeyi kesmek mi istiyorsunuz?

"...".split(/(?=[BD])/)

size

["MTM", "DKPSQY", "DKIEAELQ", "DICN", "DVLELL", "DSKG", "DYFRYLSEVASG", "DN"]

kaynak

2011-05-18 23:41:53

Harika cevap ve temizleyin. Teşekkürler! – Ryanmt

cevap

İlgili konular