r - 如何迭代函数中的条目以创建两个新的字符向量

Question

我正在努力将单个字符串输入分成一系列输入。用户给出一个 FASTA 格式的序列列表(见下面的例子)。我能够将输入分成自己的
前任:

">Rosalind_6404
CCTGCGGAAGATCGGCACTAGAATAGCCAGAACCGTTTCTCTGAGGCTTCCGGCCTTCCC
TCCCACTAATAATTCTGAGG
.>Rosalind_5959
CCATCGGTAGCGCATCCTTAGTCCAATTAAGTCCCTATCCAGGCGCTCCGCCGAAGGTCT
ATATCCATTTGTCAGCAGACACGC
"
[1] "Rosalind_6404CCTGCGGAAGATCGGCACTAGAATAGCCAGAACCGTTTCTCTGAGGCTTCCGGCCTTCCCTCCCACTAATAATTCTGAGG"    
[2] "Rosalind_5959CCATCGGTAGCGCATCCTTAGTCCAATTAAGTCCCTATCCAGGCGCTCCGCCGAAGGTCTATATCCATTTGTCAGCAGACACGC"

但我正在努力寻找一种方法来创建一个函数，该函数将“Rosalind_6404”从基因序列拆分为未知数量的 FASTA 序列，同时为拆分元素创建新向量。
最终，结果将类似于:

.> "Rosalind_6404" "Rosalind5959"
.> "CCTGCGGAAGATCGGCACTAGAATAGCCAGAACCGTTTCTCTGAGGCTTCCGGCCTTCCCTCCCACTAATAATTCTGAGG","CCATCGGTAGCGCATCCTTAGTCCAATTAAGTCCCTATCCAGGCGCTCCGCCGAAGGTCTATATCCATTTGTCAGCAGACACGC"

我希望 convert_entries 函数能让我遍历 prepped_s 字符向量的所有元素，并将这些元素拆分为两个具有相同索引号的新向量。

s <- ">Rosalind_6404
CCTGCGGAAGATCGGCACTAGAATAGCCAGAACCGTTTCTCTGAGGCTTCCGGCCTTCCC
TCCCACTAATAATTCTGAGG
>Rosalind_5959
CCATCGGTAGCGCATCCTTAGTCCAATTAAGTCCCTATCCAGGCGCTCCGCCGAAGGTCT
ATATCCATTTGTCAGCAGACACGC"

split_s <- strsplit(s, ">")
ul_split_s<- unlist(split_s)
fixed_s <- gsub("\n","", ul_split_s)
prepped_s <- fixed_s[-1]
prepped_s
nchar(prepped_s[2])
print(prepped_s[2])

entry_tags <- list()
entry_seqs <- list()

entries <- length(prepped_s)
unlist(entries)
first <- prepped_s[1]

convert_entries <- function() {
  for (i in entries) {
    tag <- substr(prepped_s[i], start = 1, stop = 13)
    entry_tags <- append(entry_tags, tag)
    return(entry_tags)
  } 
}
entry_tags <- convert_entries()
print(entry_tags)

请以任何方式提供帮助，谢谢!

Answer 1

一种选择 tidyverse

library(dplyr)
library(tidyr)
library(stringr)
tibble(col1 = s) %>% 
   separate_rows(col1, sep="\n") %>%
   group_by(grp = cumsum(str_detect(col1, '^>'))) %>%
   summarise(prefix = first(col1), 
             col1 = str_c(col1[-1], collapse=""), .groups = 'drop') %>% 
   select(-grp)

-输出

# A tibble: 2 x 2
  prefix           col1                                                                                
  <chr>          <chr>                                                                               
1 >Rosalind_6404 CCTGCGGAAGATCGGCACTAGAATAGCCAGAACCGTTTCTCTGAGGCTTCCGGCCTTCCCTCCCACTAATAATTCTGAGG    
2 >Rosalind_5959 CCATCGGTAGCGCATCCTTAGTCCAATTAAGTCCCTATCCAGGCGCTCCGCCGAAGGTCTATATCCATTTGTCAGCAGACACGC