如何将DNAString序列按3碱基长度拆分？代码报错求修正

嘿，这个问题我熟——你之所以会碰到这个报错，是因为你用的strsplit()在处理DNAString对象时，调用的并不是base R里的那个函数，而是Biostrings包专为生物序列实现的版本，它根本不支持perl=T这个参数，所以才会提示“unused argument (perl = TRUE)”。

下面给你两种靠谱的解决方案，按需选择：

方法1：用Biostrings原生函数拆分（推荐） #

Biostrings包里有专门针对生物序列的处理工具，用它来拆分密码子既高效又贴合序列类型：

library(Biostrings)

# 取你的第一个DNAString序列
target_seq <- introna[[1]]
# 生成每3个碱基对应的位置区间
codon_ranges <- IRanges(start = seq(1, width(target_seq), by = 3), width = 3)
# 提取所有3碱基片段
codons <- extractAt(target_seq, codon_ranges)

运行后得到的codons是一个DNAStringSet对象，每个元素都是你想要的3碱基密码子。如果需要转换成普通字符向量，直接用as.character(codons)就行。

方法2：转成普通字符后用base R的strsplit #

如果你更习惯用strsplit的写法，可以先把DNAString转成普通字符再操作：

# 把DNAString转为字符
seq_char <- as.character(introna[[1]])
# 用正向预查拆分3碱基片段
codons <- strsplit(seq_char, "(?<=.{3})", perl = TRUE)[[1]]

这样就能得到和你理想结果完全一致的字符向量，每个元素都是3碱基的片段。

举个例子，你的示例序列GTAATTTTGGTTTCAATTTCAATTTCCCGACCACTTCTCAATATTCCAACAGATTTCATCCATTGCCAG，用上面任意一种方法，都能拆分成"GTA""ATT""TTG""GTT""TCA""ATT""TCA"……"CAG"这样的片段。

小提醒：处理生物序列时，优先用Biostrings的原生函数，不仅效率更高，还能避免类型转换可能带来的潜在问题哦～

内容的提问来源于stack exchange，提问作者Codezy