R语言实现蛋白序列分割及指定条件肽段筛选咨询

你已经完成了按R位置分割序列的操作，后续两轮筛选可以通过以下两种方式实现：

方法1：tidyverse 风格（和你使用的str_split同属stringr工具生态） #

# 加载所需包（已加载可跳过）
library(tidyverse)

# 你已有的基础代码
protein = "ARTKQTARKSTGGKAPRKQLATKAARKSAPATGGVKKPHRYRPGTVALREIRRYQKSTELLIRKLPFQRLVREIAQDFKTDLRFQSSAVMALQEACEAYLVGLFEDTNLCAIHAKRVTIMPKDIQLARRIRGERA"
peptide_fragments <- str_split(protein, "(?<=[R])")

# 两轮筛选逻辑
filtered_fragments <- peptide_fragments %>%
  # 提取分割得到的字符向量（str_split默认返回列表，单输入序列对应列表第一个元素）
  pluck(1) %>%
  # 第一轮筛选：保留包含字母K的子串
  keep(~ str_detect(.x, "K")) %>%
  # 第二轮筛选：保留字符长度≥6的子串
  keep(~ nchar(.x) >= 6)

方法2：基础R 实现（无需加载第三方包） #

# 基础代码
protein = "ARTKQTARKSTGGKAPRKQLATKAARKSAPATGGVKKPHRYRPGTVALREIRRYQKSTELLIRKLPFQRLVREIAQDFKTDLRFQSSAVMALQEACEAYLVGLFEDTNLCAIHAKRVTIMPKDIQLARRIRGERA"
# 基础R的strsplit需要加perl=TRUE支持后视正则语法
peptide_fragments <- strsplit(protein, "(?<=[R])", perl = TRUE)

# 两轮筛选逻辑
fragments <- peptide_fragments[[1]]
# 第一轮：剔除不含K的子串
fragments_with_k <- fragments[grepl("K", fragments)]
# 第二轮：剔除长度小于6的子串
filtered_fragments <- fragments_with_k[nchar(fragments_with_k) >= 6]

运行完成后，filtered_fragments变量中存储的就是符合你筛选要求的肽段片段。

内容的提问来源于stack exchange，提问作者hassan hejazi