ruby - 正则表达式蛋白质消化

Question

所以，我正在用一种 enzyme (出于好奇，Asp-N)消化蛋白质序列，这种 enzyme 在单字母编码序列中由 B 或 D 编码的蛋白质之前切割。我的实际分析使用 String#scan 进行捕获。我试图弄清楚为什么以下正则表达式不能正确消化它...

(\w*?)(?=[BD])|(.*\b)

前提 (.*\b) 存在以捕获序列的末尾。对于:

MTMDKPSQYDKIEAELQDICNDVLELLDSKGDYFRYLSEVASGDN

这应该给出如下内容:[MTM, DKPSQY, DKIEAELQ, DICN, DVLELL, DSKG, ... ] 但会遗漏序列中的每个 D。

我一直在使用 http://www.rubular.com用于故障排除，它在 1.8.7 上运行，尽管我也在 1.9.2 上测试了这个 REGEX 无济于事。据我了解，两个版本的 ruby​​ 都支持零宽度先行断言。我的正则表达式做错了什么？

Answer 1

基本上，您想在每个 B 或 D 之前剪弦吗？

"...".split(/(?=[BD])/)

给你

["MTM", "DKPSQY", "DKIEAELQ", "DICN", "DVLELL", "DSKG", "DYFRYLSEVASG", "DN"]