当每个字符表示一个数字时，转换字符串ito和

Question

我有一个包含DNA序列字符串的载体：

x <- c("ATTAGCCGAGC", "TTCCGGTTAA")

我想根据规则把这些字符串转换成和。

A <- 2
T <- 2
G <- 4
C <- 4

因此，ATTAGCCGAGC被翻译成"2+2+2+2+4+4+4+4+2+4+4“，最终输出将是"34”。

期望输出:由原始向量X的一列和“和转换”的另一列组成的数据。

谢谢。

我希望使用"T“不是问题。

Answer 1

您可以使用值创建一个命名向量，拆分字符串、匹配和和，即

vals <- setNames(c(2, 2, 4, 4), c('A', 'T', 'G', 'C'))
sapply(strsplit(x, ''), \(i)sum(vals[i]))
#[1] 34 28

把它放进这样的数据仓库里，

data.frame(string = x, 
           val = sapply(strsplit(x, ''), \(i)sum(vals[i])))

       string val
1 ATTAGCCGAGC  34
2  TTCCGGTTAA  28

Answer 2

我想您可以尝试一下chartr + utf8ToInt，如下所示

> sapply(chartr("ATGC", "2244", x), function(v) sum(utf8ToInt(v) - 48))
22224444244  2244442222 
         34          28

Answer 3

一种方法是使用gsub两次将基对符号映射到2或4。然后，使用自定义数字求和函数获得和：

x <- c("ATTAGCCGAGC", "TTCCGGTTAA")
x <- as.numeric(gsub("[CG]", "4", gsub("[AT]", "2", x)))
digitsum <- function(x) sum(floor(x / 10^(0:(nchar(x) - 1))) %% 10)
sapply(x, function(x) digitsum(x))

[1] 34 28

数字和函数是从这个helpful SO question中提取的。