用另一列 postgresql 中的值替換字符串的一部分

Question

我有一個表格，其中有一列中的突變信息是三個字母代碼中的氨基酸變化，如下所示：

Amino acid change
------------------------ 
NP_006209.2:p.Thr1025Ala
NP_203524.1:p.Gly12Asp  
NP_000537.3:p.Arg273Cys 
NP_004324.2:p.Val600Glu 
NP_000537.3:p.Ser215Ile

在另一張表中，我有氨基酸的三個字母代碼和一個字母代碼如下：

three_letters|one_letters
-------------|-----------
Ala          |A          
Arg          |R          
Asn          |N          
Asp          |D             
...
Val          |V          
Asx          |B          
Glx          |Z          
Ter          |*          

我需要在我的突變表中添加一個新列，其中一個字母代碼中的氨基酸如下：

new column
----------- 
p.T1025A  
p.G12D    
p.R273C   
p.V600E   
p.S215I

Answer 1

您可以使用正則表達式解決此問題，只要更改代碼始終是三個字母后跟一個或多個數字后跟三個字母。

regexp_match(change, 'p.(\D{3})(\d+)(\D{3})')

這將返回一個數組，該數組可用於加入您的查找表，然后重建縮短的代碼。

with split as (
  select *, 
         regexp_match(change, 'p.(\D{3})(\d+)(\D{3})') as parts
    from changes
)
select s.*, 
       concat('p.', 
              coalesce(x1.one_letters, '?'), 
              parts[2], 
              coalesce(x2.one_letters, '?') 
       ) as encoded_change
  from split s
  left join xlate x1 on x1.three_letters = s.parts[1]
  left join xlate x2 on x2.three_letters = s.parts[3];

Answer 2

@Mike Organek 提出的解決方案的替代方法是創建一個簡短的 function 來為您進行此轉換。

數據樣本：

CREATE TEMPORARY TABLE map (three_letters text, one_letters text);
INSERT INTO map 
VALUES ('Val','V'),('Glu','E'),('Thr','T'),('Ala','A');

Function：

CREATE OR REPLACE FUNCTION change_amino_acid(text)
RETURNS TEXT AS $BODY$
DECLARE i RECORD; acid TEXT;
BEGIN
acid := trim((string_to_array($1, ':p.'))[2]);
FOR i IN SELECT * FROM map 
  WHERE three_letters = ANY(regexp_split_to_array(acid, '\d+'))
LOOP
  acid := replace(acid,i.three_letters,i.one_letters);
END LOOP;
RETURN 'p.'||acid;
END; $BODY$ LANGUAGE plpgsql;

如何調用 function：

SELECT 
  change_amino_acid('NP_006209.2:p.Thr1025Ala'),
  change_amino_acid('NP_004324.2:p.Val600Glu');

 change_amino_acid | change_amino_acid 
-------------------+-------------------
 p.T1025A          | p.V600E

之后，您需要做的就是使用 function UPDATE您的表

UPDATE my_table 
SET newcolum = change_amino_acid(long_amino_acid);

Answer 3

您的字符串采用非常特殊的格式。 前綴看起來像一個固定長度。 然后是三個字符，一個數字（可能是一個位置），然后是另外三個字符。

如果情況總是如此，則您不需要任何真正復雜的機器來進行更換。 您可以只使用字符串操作：

with replacements as (
      select 'Thr' as three_letters, 'T' as one_letter union all
      select 'Ala' as three_letters, 'A' as one_letter
     ) 
select v.*, 
       left(mutation, 14) || r1.one_letter || replace(substr(mutation, 18), r2.three_letters, r2.one_letter)
from (values ('NP_006209.2:p.Thr1025Ala')) v(mutation) left join
     replacements r1
     on r1.three_letters = substr(mutation, 15, 3) left join
     replacements r2
     on r2.three_letters = right(mutation, 3);

我實際上建議您更改數據結構，以便值不會全部編碼在單個字符串中。 將結果放在多列中：

• name
• from_amino_acid
• to_amino_acid
• position

實際上，我不知道:之前發生了什么，也不知道p. 很重要。 您可能還希望將其拆分為不止一列。 您可以使用這樣的邏輯來拆分字符串：

select split_part(mutation, ':', 1) as name,
       substring(split_part(mutation, ':', 2), 3, 3) as from_amino_acid,
       (regexp_matches(split_part(mutation, ':', 2), '[0-9]+'))[1] as position,
       right(mutation, 3) as to_amino_acid
from (values ('NP_006209.2:p.Thr1025Ala')) v(mutation);

這將簡化您的 SQL 以及您的分析。