找出合适的匹配准则

Question

我对编程比较陌生。我目前正在学习Perl，遇到了一个逻辑问题，使我无法正确完成脚本。任何帮助都将不胜感激！！提前感谢您的有益见解！

大部分的程序已经写好了，这是让我头疼的最后一步。

我有一个可变的$RNA，它以任意的顺序获取核苷酸序列(acgu)。例如：

$RNA = agcuaggaaggguuuugauag

诸若此类。

我已经创建了一个散列，其中每3个核苷酸字符或密码子(例如，uga)被分配到一个定义的氨基酸。例如：

% my AminoAcid   = (
  ggg => "G",
  ...
);

我要做的是，在哈希字符串中读取起始密码子aug时，打印与散列中密码子对应的定义氨基酸(大写字母)，并在哈希中读取停止密码子uga时停止打印定义的氨基酸。

例如:假设$RNA = aaaaugcccgggugaccccccccc。当程序读取字符串中的停止密码子(aug)时，程序应该打印相应的氨基酸(开始为(aug)和停止)。

注意:在读取开始密码子(aug)和读取停止密码子(uga)后的ccccccccccccc之前，应该忽略前三个ccccccccccccc，如果它在字符串中的任何位置再次看到开始密码子aug，则应该重复相同的进程。

我尝试过多种想法，但它们中没有一个接近于描述为最后一部分编写代码的正确方式。我可能没有完全理解它背后的逻辑。

任何帮助都将不胜感激。提前谢谢！

Answer 1

这可能有效，将逻辑放在代码组(?{})中

多条线的模型

注:如果需要重新排列(3)，请告诉我。

到目前为止，对齐方式是3个非空白+可选空格，重复。

这将在维护3界的同时消耗掉行符--这是我的

假设很重要。

Perl代码

use strict;
use warnings;

my %AminoAcid   = (
   aug => "Start codon",
   ccc => "C",
   ggg => "G",
   uuu => "U"
);

my $RNA = '
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggccccccaugccc
gggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
';
my $on = 0;

$RNA =~ /
     (?:
          ( \S\S\S ) \s*
          (?{
               if ( $^N eq 'aug' ){ $on = 1; print "\n"; }
               elsif ( $^N eq 'uga' ) { $on = 0; }
               if ( $on ) {
                  exists $AminoAcid{ $^N } ?
                    print $AminoAcid{ $^N } :
                    print "[key not found-> '$^N']";
               }
          })
     )+
   /x;

输出

Start codonCG
Start codonUGC
Start codonCG
Start codonUGC
Start codonCG
Start codonUGC
Start codonCG
Start codonUGC

Answer 2

让我们从以下几个方面开始：

my $rna = "aaaaugcccgggugaccccccccc";
my %aminoAcidMap = ( ggg => "G", ccc => "C" );

第一步是提取aug和uga之间的相关部分。

$rna =~ /aug((?:[acgu]{3})*?)uga/ or die;
my $pattern = $1;

这假设aug可以出现在字符串中的任何位置。此外，如果它跨越两个密码子，它将确保如果它不停止在uga。

如果需要开始密码子位于字符串中可被3整除的索引处，则可以这样做：

$rna =~ /^(?:[acgu]{3})*?aug((?:[acgu]{3})*?)uga/ or die;
my $pattern = $1;

此时，$pattern将包含aug和uga之间的部分。

现在，要执行映射，您可以：

my $aminoAcids = $pattern =~ s/[acgu]{3}/$aminoAcidMap{$&}/ger;

这将用哈希值替换每个密码子。

如果你把所有东西都装进潜艇里，你就会得到：

sub getAminoAcids {
    local ($_) = @_;
    /aug((?:[acgu]{3})*?)uga/ or return "";
    $1 =~ s/[acgu]{3}/$aminoAcidMap{$&}/ger;
}

Answer 3

@lucas-trzesniewski的潜艇很棒而且非常紧凑，但是它有一些缺点:它不处理零星的硬回报，只找到第一个蛋白质，不打印第一个蛋氨酸，并且用隐式返回修改$_/$1 (这是我试图避免的)。所以这是一个改进。注意，我自己的翻译脚本非常复杂，可以处理更多的情况(例如，重叠的阅读框架、模糊的核苷酸、RNA片段、交替的起始密码子、多个停止密码子等等)，但是如果您只想在有限的情况下使用一些简单的东西，下面是@lucas-trzesniewski子的修改版本，它解决了这些问题：

sub getAminoAcids
  {
    my $mrna = @_;
    $mrna =~ s/\s+//sg;
    $mrna = lc($mrna);
    my @proteins = ();
    while($mrna =~ /(aug(?:[acgu]{3})*?)uga/g)
      {
        $cds = $1;
        push(@proteins,"");
        while($cds =~ /(...)/g)
          {$proteins[-1] .= $aminoAcidMap{$1}}
      }
    return(@proteins);
  }

这假设您不希望在蛋白质字符串中打印停止字符。它也可以有额外的，如错误检查。