將數據拆分成塊，但之間有距離

Question

假設我有以下序列：

AAAAAAAAAAAAGCC A GGTGCGGTGGCTCATGCCTGTAAGCCCAGCACTTTGGGAGGCCAAGGCAGGCGGATCACTAGAGGTCAG

從 position A 開始（在序列中是粗體）我想將它分成長度為 5 個字符的塊，但我希望這些塊彼此相距 3 個字符，這意味着我想得到

'GGTGC'、'GGCTC'、'CCTGT'、'CCCAG' 等等直到最后。 然后我想從粗體 A 到序列的開頭獲取相同的信息含義：

AAGCC，AAAAA，...

我怎樣才能做到這一點？

Answer 1

我們可以使用正則表達式環視來進行拆分，即我們拆分為 3 個字符（ . - 表示正則表達式中的任何字符），成功 5 個字符

strsplit(str1, "(?<=.....)...", perl = TRUE)[[1]]

或者，如果我們想動態構造模式，請使用strrep和paste

n1 <- 200
n2 <- 50
pat <- paste0("(?<=", strrep(".", n1), ")", strrep(".", n2))

數據

str1 <- "AAAAAAAAAAAAGCCAGGTGCGGTGGCTCATGCCTGTAAGCCCAGCACTTTGGGAGGCCAAGGCAGGCGGATCACTAGAGGTCAG"