检查字符串的向量是否包含从其他两个单词创建的单词

Question

我有非常长的字符串向量(肽)。

head(unique(pseq_list))
#[1] "GPPNHHMGPMSER"  "SLSGQCHHHGENLR" "HSSGQDKPHETYR"    
#"DHDKPHQQSDK"    "AHMESDK"        "HISESHEK"  

我想看看在这个载体中是否是由另外两个肽所产生的肽。例如，如果有"AHMESDK"、"AHME"和"SDK"，我想知道这一点。我尝试了grepl函数，但可能我的向量是to长(？)。另外，如何保存这样的结果？

如果很难验证是否存在"AHMESDK" = "AHME" + "SDK"，最好至少知道载体中是否含有其他肽(例如"HISESHEK"和"SES")。

@quant在注释中提供的上下文：

作为每个没有生物背景的人的便条。 肽是大分子。我们的身体可以通过“粘合”不同的氨基酸来合成这些大分子。结合在一起的氨基酸序列被称为肽的一级结构，在生物信息学中通常是一个字母代码，参见rpeptide.com来表示初级结构。 因此，AHMESDK只是指由Alanin、组氨酸等组成的肽。

Answer 1

数据：

pseq<-c("GPPNHHMGPMSER", "SLSGQCHHHGENLR", "HSSGQDKPHETYR", "DHDKPHQQSDK", "AHMESDK", "AHME", "SES", "HISESHEK")

有两种办法：

方法1:

peplist<-sapply(pseq,grep, pseq, value=TRUE)

结果：

$GPPNHHMGPMSER
[1] "GPPNHHMGPMSER"

$SLSGQCHHHGENLR
[1] "SLSGQCHHHGENLR"

$HSSGQDKPHETYR
[1] "HSSGQDKPHETYR"

$DHDKPHQQSDK
[1] "DHDKPHQQSDK"

$AHMESDK
[1] "AHMESDK"

$AHME
[1] "AHMESDK" "AHME"   

$SES
[1] "SES"      "HISESHEK"

$HISESHEK
[1] "HISESHEK" 

这为您提供了一个列表，在该列表中，每个元素都有其存在的元素列表。然后，我们可以创建一个仅显示在其他肽类中的肽的列表：

peplist[sapply(peplist,length)>1]

方法2:

pepcombs<-expand.grid(pseq,pseq) %>%
  apply(1,paste0,collapse="")
pseq[pseq %in% pepcombs]

这将给你一个肽类的列表，可以通过组合其他两个肽来构建。