R - 从例如转换一串重复氨基酸NNNN 到 (N4)

Question

我正在从多个序列比对中计算单倍型，并且正在获得重复序列，例如 RNNNNNNNT 和 RNNNT。有许多变体，因此很难理解数据。

数据如下所列，我是否有兴趣生成列 单倍型_2 基于 单倍型_1 如..所示:

hap_code    haplotypes_1          haplotypes_2
  1    SKNNNRNNNNNKNNNNNNNKF    SK(N3)R(N5)K(N7)KF
  2    SKNNNNNNNNNKNNNNNNNNKF   SK(N9)K(N8)KF
  3    SKNNNNNNNNNNNNNNNNKF     SK(N16)KF

Answer 1

几乎与@d.b 完全相同，但转换为几个函数，因此可重用且易于阅读:

abbreviate_letters <- function(type_letters) {
  runs <- rle(type_letters)
  run_codes <- ifelse(
    runs[["lengths"]] == 1,
    yes = runs[["values"]],
    no  = paste0("(", runs[["values"]], runs[["lengths"]], ")")
  )
  paste0(run_codes, collapse = "")
}


condense_haplotype <- function(haplotype_long) {
  split_terms <- strsplit(haplotype_long, split = "")
  vapply(
    X         = split_terms,
    FUN       = abbreviate_letters,
    FUN.VALUE = character(1)
  )
}


haplotypes <- c(
  "SKNNNRNNNNNKNNNNNNNKF",
  "SKNNNNNNNNNKNNNNNNNNKF",
  "SKNNNNNNNNNNNNNNNNKF"
)

condense_haplotype(haplotypes)
# [1] "SK(N3)R(N5)K(N7)KF" "SK(N9)K(N8)KF"      "SK(N16)KF"