R语言如何映射数据框字符值到序列并计算滑动窗口均值

核心步骤实现 #

1. 氨基酸字符到数值的映射 #

你调整后的命名向量A已经满足映射要求，直接用氨基酸字符作为命名向量的下标取值即可，无需额外循环：

# 拆分序列为单个字符向量
a_split <- unlist(strsplit(a, ""))
# 直接索引得到对应数值序列
values <- A[a_split]

2. 滑动窗口均值计算 #

你之前对convolve的参数使用有误：要计算滑动窗口均值，第二个参数应该是固定长度为L、权重均为1/L的卷积核，type="filter"参数输出的结果长度刚好为N-L+1，对应每个窗口的均值。
均值赋值给窗口中心的逻辑：起始位置为i的窗口，中心位点为i + floor((L-1)/2)，符合向下取整的要求。

3. 潜在跨膜区识别 #

使用rle()函数统计连续正均值位点的长度，筛选出长度≥L/2的连续区域即可。

完整可运行代码 #

# 氨基酸参考数值命名向量
A <- c(A = 0.429, C = -0.051, D = -2.024, E = -2.181, F = 0.836,
       G = 0.158, H = -1.056, I = 0.959, K = -2.398, L = 0.658,
       M = 0.470, N = -1.099, P = -0.675, Q = -1.564, R = -2.501,
       S = -0.292, T = -0.182, V = 0.634, W = 0.463, Y = 0.163)
# 测试氨基酸序列
a <- "MASEFKKKLFWRAVVAEFLATTLFVFISIGSALGFKYPVGNNQTAVQDNV"

# ----------------------1. 字符转数值序列----------------------
a_split <- unlist(strsplit(a, ""))
values <- A[a_split]
N <- length(values)

# ----------------------2. 滑动窗口均值计算----------------------
# 输入窗口长度，转换为整数类型（readline默认返回字符串）
L <- as.integer(readline(prompt = "Enter window length: \n"))
if (L >= N) stop("窗口长度不能大于序列总长度")
# 卷积计算所有窗口的均值
window_mean <- convolve(values, rep(1/L, L), type = "filter")
# 初始化全位点均值向量，无对应窗口的边缘位点设为NA
site_mean <- rep(NA, N)
# 窗口中心偏移量
offset <- floor((L - 1)/2)
# 给对应中心位点赋值
site_mean[offset + 1:length(window_mean)] <- window_mean

# ----------------------3. 潜在跨膜区识别----------------------
# 标记正均值位点
is_positive <- site_mean > 0
# 统计连续值的长度
rle_pos <- rle(is_positive)
# 最小连续长度要求（向上取整保证满足至少L/2的要求）
min_len <- ceiling(L/2)
# 筛选符合要求的正均值连续区域
target_runs <- which(rle_pos$values & rle_pos$lengths >= min_len)

# 输出结果
if (length(target_runs) > 0) {
  regions <- data.frame(start = integer(), end = integer(), length = integer())
  current_pos <- 0
  for (i in seq_along(rle_pos$lengths)) {
    run_len <- rle_pos$lengths[i]
    if (i %in% target_runs) {
      regions <- rbind(regions, data.frame(
        start = current_pos + 1,
        end = current_pos + run_len,
        length = run_len
      ))
    }
    current_pos <- current_pos + run_len
  }
  cat("识别到的潜在跨膜区：\n")
  print(regions)
} else {
  cat("未识别到符合要求的潜在跨膜区\n")
}

内容的提问来源于stack exchange，提问作者Greggs