R语言筛选肽序列列中无内部R/K的行的方法求助

嗨，Moe！我明白你想要过滤数据框，只保留那些肽序列中间位置（非首尾）没有R或K的行。这里有两种简单的方法可以实现，都用你熟悉的dplyr和stringr包：

方法一：提取中间部分检查（直观易懂） #

这个方法思路很直接：先把每个肽序列的首尾字符去掉，得到中间部分，然后检查中间部分里有没有R或K，只保留中间没有的行。

library(dplyr)
library(stringr)

# 你的示例数据框
df1 <- data.frame( Peptide = c("ABCOIIJUHFSAUJHR", "AOFIAUKOAISDFUK", 'ASOIRDFHAOHFKK'))

# 过滤操作
filtered_df <- df1 %>%
  # 提取从第2个到倒数第2个字符的中间部分
  mutate(middle_seq = str_sub(Peptide, start = 2, end = -2)) %>%
  # 过滤掉中间部分包含R或K的行（negate=TRUE表示取反）
  filter(str_detect(middle_seq, "[RK]", negate = TRUE)) %>%
  # 删掉临时的中间列（可选，如果你不需要的话）
  select(-middle_seq)

# 查看结果
filtered_df

运行后你会得到预期的结果：只有第一行被保留。

方法二：用正则表达式直接匹配（更简洁） #

如果你喜欢用正则一步到位，可以用负向前瞻来确保字符串里没有出现在中间位置的R/K：

filtered_df <- df1 %>%
  filter(str_detect(Peptide, "^(?!.*(?<!^)[RK](?!$)).*$"))

正则表达式解释： #

• ^ 和 $ 分别匹配字符串的开头和结尾
• (?!...) 是负向前瞻，表示后面的内容不能匹配括号里的规则
• (?<!^)[RK](?!$) 匹配的是：既不在开头（(?<!^)）也不在结尾（(?!$)）的R或K
• 整个正则的意思就是：字符串中不存在任何位于中间位置的R或K

两种方法都能达到你的需求，第一种更适合新手理解，第二种更简洁。你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者Moe