刪除子序列和插入的字符串到序列

Question

我有一個數據文件here，其通過導入R：

eya4_lagan_HM_cp <- "E:/blahblah/eya4_lagan_HM_cp.txt" 

eya4_lagan_HM_cp <- readChar(eya4_lagan_HM_cp, file.info(eya4_lagan_HM_cp)$size) 

標籤第一串與位置「1」和最後一個字符串作爲位置「311522」 （注意該序列總共包含311,522個字符）。我有兩個密切相關的查詢。

查詢1）

現在我有一個位置here列表的數據文件。這些頭寸是以「雙」的形式讀取的，即以第一對44184和44216爲例。我希望從前面的序列eya4_lagan_HM_cp中刪除位置44184（含）的子序列到位置44216（含），並在其位置插入字符＃。換句話說，用＃來替換從44184到44216的子序列。我想用剩下的對來做這件事，也就是說，對於151795和151844，我想從中的位置151795（含）中刪除到151844（含），並用＃代替它，等等。

查詢2）

現在我想做些事情與位置的列表中的數據文件略有不同。再以第一對爲例。我想在位置44184之前插入一個＃右邊，換句話說，在位置44183和44184之間插入一個＃eya4_lagan_HM_cp，然後我想在位置44216之後插入一個＃右邊，即插入一個＃號職位44216和44217.我想對所有職位對重複此過程。因此，對於下一對，我想一個＃右之前 151795和＃右後 151844.

謝謝。

Answer 1

如果您可以假設被替換的字符串是唯一的，則可以嘗試組合substr()和gsub()。 （如果你只有做更換一次，你只需要substr。）例如，如果你裝的位置對成2列的矩陣pp查詢1可能是

for(i in 1:nrow(pp)) { 
     ss <- substr(eya4_lagan_HM_cp,start=pp[i,1],stop=pp[i,2]) 
     eya4_lagan_HM_cp = gsub(ss,"#",eya4_lagan_HM_cp) 
    } 

和查詢2

for(i in 1:nrow(pp)) { 
    ss <- substr(eya4_lagan_HM_cp,start=pp[i,1],stop=pp[i,2]) 
    eya4_lagan_HM_cp <- gsub(ss,paste("#",ss,"#",sep=""),eya4_lagan_HM_cp) 
} 

如果您不能承擔更換將是獨一無二的字符串，您可能會爆炸出字符串eya4_lagan_HM_cp成字符串的向量：

vv <-unlist(strsplit(eya4_lagan_HM_cp,split="")) 

使用矢量子集來移除/插入，例如，，查詢1，

new.vv <- c(vv[1:(pp[1,1]-1)],"#") 
for(i in 1:(nrow(pp)-1)) { 
    new.vv <-c(new.vv,vv[(pp[i,2]+1):(pp[(i+1),1]-1)],"#") 
} 
new.vv <- c(new.vv,vv[(pp[2,nrow(pp)]+1):length(vv)]) 

，然後粘貼到一起作爲一個字符串

eya4_lagan_HM_cp <- paste(new.vv,sep="") 

Answer 2

e <- eya4_lagan_HM_cp <- readChar("eya4_lagan_HM_cp.txt", file.info("eya4_lagan_HM_cp.txt")$size) 
pairs <- as.numeric(readLines("CDS coordinates.txt")) 
idx1 <- pairs[seq(1, length(pairs), 2)] 
idx2 <- pairs[seq(2, length(pairs), 2)] 
e.split <- strsplit(e, "")[[1]] 

# no1 
hashIndices <- unlist(mapply(seq, from=idx1, to=idx2)) 
e.split[hashIndices] <- "#" 
e.new <- paste(e.split, collapse="") 

# no2 
for (idx in c(idx1, idx2+1)) 
    e.split <- c(e.split[1:(idx-1)], "#", e.split[idx:length(e.split)]) 
e.new <- paste(e.split, collapse="") 

編輯：

闖闖參照註釋：e.split <- strsplit(e, "")[[1]]要麼

後

# no1 
deleteIndices <- unlist(mapply(seq, from=idx1+1, to=idx2)) 
e.split[idx1] <- "#" 
e.new <- paste(e.split[-deleteIndices], collapse="") 

或

# no2 
for (idx in c(idx1, idx2+2)) 
    e.split <- c(e.split[1:(idx-1)], "#", e.split[idx:length(e.split)]) 
e.new <- paste(e.split, collapse="")