如何用R语言在基因序列中筛选符合特定参数的20bp有序序列？

不用挨个写if/else，直接用R的向量化操作就能高效解决，步骤如下：

• 先确定所有可能的20长度子序列的起始位置
  序列总长度是nchar(exon_2)，能取到的起始位置范围是1到nchar(exon_2)-19，直接生成这个序列：

  start_positions <- 1:(nchar(exon_2) - 19)
  

• 筛选符合条件的起始位置
  用逻辑向量一步完成两个条件的筛选：

  valid_starts <- start_positions[
    # 条件1：子序列第1位不是G，对应原序列的起始位置
    exon_2_vector[start_positions] != "G" &
    # 条件2：子序列第10位是A或T，对应原序列起始位置+9的位置
    exon_2_vector[start_positions + 9] %in% c("A", "T")
  ]
  

• 提取符合要求的20长度子序列
  直接用substr从原字符串提取，不用向量也能搞定，更简洁：

  valid_subsequences <- substr(exon_2, valid_starts, valid_starts + 19)
  

执行完上面的代码后，valid_subsequences里就是所有满足条件的有序子序列，直接打印就能查看结果。

内容的提问来源于stack exchange，提问作者nth1824