查看字符串是否嵌入在較大的字符串中

Question

我有使用R看起來像這樣的數據。

> hits
  Views on a 51-letter DNAString subject
subject: TCAGAAACAAAACCCAAAATCAGTAAGGAGGAGAAAGAAACCTAGGGAGAA
views:
    start end width
[1]     1  10    10 [TCAGAAACAA]
[2]    14  23    10 [CCAAAATCAG]
[3]    19  28    10 [ATCAGTAAGG]
[4]    20  29    10 [TCAGTAAGGA]
[5]    21  30    10 [CAGTAAGGAG]

所以我有一個長度為51的字符串

subject = TCAGAAACAAAACCCAAAATCAGTAAGGAGGAGAAAGAAACCTAGGGAGAA 。

從該subject中提取了5個子字符串。 您可以在上方看到它們。 我想看看這5個子字符串是否在我感興趣的范圍內 。 感興趣的領域是從位置14 - 27 。

subject = TCAGAAACAAAAC |-> CCAAAATCAGTAAG <-| GAGGAGAAAGAAACCTAGGGAGAA subject = TCAGAAACAAAAC |-> CCAAAATCAGTAAG <-| GAGGAGAAAGAAACCTAGGGAGAA 。

換句話說，我有5個來自subject字符串的子字符串。 在這些5串，我只尋找一個謊言位置之間串14 - 27中的subject字符串。 這是我感興趣的領域。

第一個[1]子字符串[TCAGAAACAA]並不是那么重要，因為它直接嵌入在開始位置（由坐標1 - 10給出），並且不在我感興趣的范圍內。

第二[2]通過坐標給定的字符串14 - 23告訴我，它在全部埋入我的興趣領域 （這又是14 - 27 ）。

第三[3]字符串[3]由坐標19 - 28給出。 這對我很重要 ，因為大多數字符串都嵌入到我感興趣的區域中 。

第四個[4]字符串由坐標20 - 29 。 同樣，這對我來說很重要，因為除了最后一個字符外，大多數字符串都嵌入在我感興趣的區域中 。

第五個子字符串的故事也是如此。

基本上，如果60％的字符串嵌入在我感興趣的區域中，我希望將其計算在內。

有人可以給我一個偽代碼算法來做到這一點嗎？ 我已經考慮了一段時間繪制圖表，但是我似乎無法實現它。 我正在R中執行此操作，因此我會將偽代碼轉換為R。而且數字60％是任意的。 我必須與我的主管確認，但是我確定這是無關緊要的。

Answer 1

def substring_index(longstring, substring):
    """Return the index of the substring in longstring."""
    # Python has a built in function for this.

def is_interesting(index, length, interesting_start, interesting_end, percentage):
    """Return true if the substring is interesting."""
    interesting = 0
    uninteresting = 0
    # check if the character at each position from index to index + length
    # is in the interesting range.
    for x in range(index, index + length + 1):
        if interesting_start < x < interesting_end:
            interesting += 1
        else:
            uninteresting += 1
    # Do some math to see if interesting / (interesting + uninteresting) 
    # is bigger than percentage

使用substring_index函數查看索引是否在長substring_index以及在哪里。

使用is_interesting函數可根據子字符串是否有趣返回布爾值。

因此，對於第一個子字符串，您可以這樣稱呼它：

longstring = "TCAGAAACAAAACCCAAAATCAGTAAGGAGGAGAAAGAAACCTAGGGAGAA"
substring = "TCAGAAACAA"
is_interesting(substring_index(longstring, substring), len(substring), 14, 27, 0.6)

Answer 2

如果我理解得很好，您需要

1. 定義一個由開始位置和結束位置給出的“感興趣區域”。
2. 在較大的字符串感興趣的區域中找到字符串或字符串的可接受部分。

所以這就是我在javascript中要做的

var fractionIsInString = function (areaOfInterest, stringToBeFound, acceptedFraction) {
    var fractionLength = Math.floor(stringToBeFound.length*acceptedFraction),
        startPosition = 0,
        endPosition = fractionLength,          
        fraction,
        keepSearching = true;

    do {
        fraction = stringToBeFound.substring(startPosition, endPosition);
        if (areaOfInterest.indexOf(fraction) > -1) {
            return true;
        }
        startPosition++;
        endPosition++;
        keepSearching = endPosition < stringToBeFound.length;
    } while (keepSearching);

    return false;
};

只需說一下

fractionIsInString('CCAAAATCAGTAAG', 'TCAGAAACAA', 0.6);

第一個參數是您感興趣的領域，可以像這樣獲得

subject.substring(14, 27);

第二個參數是您從主題中獲得的字符串中的第一個。 一個從0到10的值。第三個參數是要查找的第二個參數的一部分。 在這種情況下為60％。

該函數的工作方式是在較大的字符串中查找字符串的分數，如果未找到分數，則移至字符串的下一個分數，依此類推，直到找到可找到的分數或達到分數為止。字符串的結尾。