regex - 是否存在用于 enzyme 促切割的正则表达式？

Question

tryptic序列的(理论上)protein切割是否存在正则表达式？胰蛋白 enzyme 的切割规则是:在R或K之后，但不在P之前。

例子:

序列VGTKCCTKPESERMPCTEDYLSLILNR的切割应产生以下3个序列(peptide):

 VGTK
 CCTKPESER
 MPCTEDYLSLILNR

请注意，第二个肽段中的K后没有裂解(因为P在K之后)。

在Perl中(使用C#，Python或Ruby可能也是如此):

  my $seq = 'VGTRCCTKPESERMPCTEDYLSLILNR';
  my @peptides = split /someRegularExpression/, $seq;

我已经使用了这种解决方法(首先在序列中插入一个剪切标记=，如果在剪切生成器之后紧跟P，则再次将其删除):

  my $seq      = 'VGTRCCTKPESERMPCTEDYLSLILNR';
  $seq         =~ s/([RK])/$1=/g; #Main cut rule.
  $seq         =~ s/=P/P/g;       #The exception.
  my @peptides = split( /=/, $seq);

但这需要修改一个字符串，该字符串可能很长，并且可能有数百万个序列。有没有一种方法可以将正则表达式与split一起使用？如果是，则正则表达式将是什么？

测试平台:Windows XP 64位。 ActivePerl 64位。从perl -v:为MSWin32-x64-multi-thread构建的v5.10.0。

Answer 1

实际上，您确实需要使用正向后看和负向前看的组合。正确的(Perl)语法如下:

my @peptides = split(/(?!P)(?<=[RK])/, $seq);