Java 用正则表达式从FASTA中提取DNA

我有一组DNA序列如下

>gi|58445847s cyclin-dependent kinase inhibitor 1B (p27, Kip1) (CDKN1B), mRNA
ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC
GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA

>gi|584458479:571-1167 Homo sapiens 1B (p27, Kip1) (CDKN1B), mRNA
ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC
ACAAAAGAGCCAACAGAACAGAAGAAAATGTTTCAGACGGTTCCCCAAATGCCGGTTCTGTGGAGCAGAC
GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA

我只想提取

[ATGC]+

，应该忽略以

>

开头的行

这是我做的正则表达式

(?!\>.*\n)[ATGC\n]+

但它发现的第一组是

中的
C
（CDKN1B）

，然后从

中的A开始，mRNA

到下一个

更新
下面的Java代码可用于从文件中查找DNA序列。使用

findWithinHorizon（pattern，0）

代替

useDelimiter（patter）

List sequences=new ArrayList（）；
试一试{
s=新的扫描仪（新的BufferedReader（新的文件阅读器（fc.getSelectedFile（）））；
Pattern p=Pattern.compile（“^[ACTG]+（？：\\r\\n[ACTG]+）*”，Pattern.MULTILINE）；
字符串str=s.findWithinHorizon（p，0）；
做{
序列。添加（str）；
str=s.findWithinHorizon（p，0）；
}while（str！=null）；
}catch（filenotfounde异常）{
System.out.println（e.getMessage（））；
}最后{
如果（s！=null）{
s、 close（）；
}
}

您需要在开头添加

^

。以便检查整行是否与断言中给出的条件匹配

^(?!>.*\n)[ATGC\n]+

或

---

您需要在开头添加

^

。以便检查整行是否与断言中给出的条件匹配

^(?!>.*\n)[ATGC\n]+

或

---

您需要在开头添加

^

。以便检查整行是否与断言中给出的条件匹配

^(?!>.*\n)[ATGC\n]+

或

---

您需要在开头添加

^

。以便检查整行是否与断言中给出的条件匹配

^(?!>.*\n)[ATGC\n]+

或

简单地试试这个，抓住第一组。见演示

简单地试试这个，抓住第一组。见演示

简单地试试这个，抓住第一组。见演示

简单地试试这个，抓住第一组。见演示

---

使用锚点作为线的起点和多线修改器：

(?m)^[ACTG\n]+

前瞻是无用的

或者，如果要修剪最后一个换行符：

(?m)^[ACTG]+(?:\n[ACTG]+)*

使用java.util.scanner的示例如下：

String input = ">gi|58445847s cyclin-dependent kinase inhibitor 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n"
             + "\n"
             + ">gi|584458479:571-1167 Homo sapiens 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"                   
             + "ACAAAAGAGCCAACAGAACAGAAGAAAATGTTTCAGACGGTTCCCCAAATGCCGGTTCTGTGGAGCAGAC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n";

Pattern p = Pattern.compile("^[ACTG]+(?:\\n[ACTG]+)*$", Pattern.MULTILINE);

Scanner s = new Scanner(input);
s.useDelimiter("\n");   

while(s.hasNext()) {
    System.out.println(s.findWithinHorizon(p, 0) + "\n");
}

---

将锚点用于线的起点和多线修改器：

(?m)^[ACTG\n]+

前瞻是无用的

或者，如果要修剪最后一个换行符：

(?m)^[ACTG]+(?:\n[ACTG]+)*

使用java.util.scanner的示例如下：

String input = ">gi|58445847s cyclin-dependent kinase inhibitor 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n"
             + "\n"
             + ">gi|584458479:571-1167 Homo sapiens 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"                   
             + "ACAAAAGAGCCAACAGAACAGAAGAAAATGTTTCAGACGGTTCCCCAAATGCCGGTTCTGTGGAGCAGAC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n";

Pattern p = Pattern.compile("^[ACTG]+(?:\\n[ACTG]+)*$", Pattern.MULTILINE);

Scanner s = new Scanner(input);
s.useDelimiter("\n");   

while(s.hasNext()) {
    System.out.println(s.findWithinHorizon(p, 0) + "\n");
}

---

将锚点用于线的起点和多线修改器：

(?m)^[ACTG\n]+

前瞻是无用的

或者，如果要修剪最后一个换行符：

(?m)^[ACTG]+(?:\n[ACTG]+)*

使用java.util.scanner的示例如下：

String input = ">gi|58445847s cyclin-dependent kinase inhibitor 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n"
             + "\n"
             + ">gi|584458479:571-1167 Homo sapiens 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"                   
             + "ACAAAAGAGCCAACAGAACAGAAGAAAATGTTTCAGACGGTTCCCCAAATGCCGGTTCTGTGGAGCAGAC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n";

Pattern p = Pattern.compile("^[ACTG]+(?:\\n[ACTG]+)*$", Pattern.MULTILINE);

Scanner s = new Scanner(input);
s.useDelimiter("\n");   

while(s.hasNext()) {
    System.out.println(s.findWithinHorizon(p, 0) + "\n");
}

---

将锚点用于线的起点和多线修改器：

(?m)^[ACTG\n]+

前瞻是无用的

或者，如果要修剪最后一个换行符：

(?m)^[ACTG]+(?:\n[ACTG]+)*

使用java.util.scanner的示例如下：

String input = ">gi|58445847s cyclin-dependent kinase inhibitor 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n"
             + "\n"
             + ">gi|584458479:571-1167 Homo sapiens 1B (p27, Kip1) (CDKN1B), mRNA\n"
             + "ATGTCAAACGTGCGAGTGTCTAACGGGAGCCCTAGCCTGGAGCGGATGGACGCCAGGCAGGCGGAGCACC\n"                   
             + "ACAAAAGAGCCAACAGAACAGAAGAAAATGTTTCAGACGGTTCCCCAAATGCCGGTTCTGTGGAGCAGAC\n"
             + "GCCCAAGAAGCCTGGCCTCAGAAGACGTCAAACGTAA\n";

Pattern p = Pattern.compile("^[ACTG]+(?:\\n[ACTG]+)*$", Pattern.MULTILINE);

Scanner s = new Scanner(input);
s.useDelimiter("\n");   

while(s.hasNext()) {
    System.out.println(s.findWithinHorizon(p, 0) + "\n");
}

---

---

您的正则表达式需要一个多行标志。您忘记添加了吗？每当在正则表达式中使用锚点时，添加多行修饰符。正则表达式需要多行标志。您忘记添加了吗？每当在正则表达式中使用锚点时，添加多行修饰符。正则表达式需要多行标志。您忘记添加了吗？每当在正则表达式中使用锚点时，添加多行修饰符。正则表达式需要多行标志。您忘记添加了吗？每当在正则表达式中使用锚点时，添加多行修饰符。效果很好。唯一需要注意的是偶数组号。@LifeH2O

group1

，

group2

等将是您的答案，即使是单数也不行。唯一需要注意的是偶数组号。@LifeH2O

group1

，

group2

等将是您的答案，即使是单数也不行。唯一需要注意的是偶数组号。@LifeH2O

group1

，

group2

等将是您的答案，即使是单数也不行。唯一的捕获是偶数组号。@LifeH2O

group 1

，

第2组

等将是您的答案，即使是在java中毫不费力地安装的答案也不例外。它不会用

扫描仪提供正确的输出。用java中毫不费力地安装的useDelimiter

不会提供正确的输出。用java中毫不费力地安装的useDelimiter不会提供正确的输出

Scanner.useDelimiter

在java中轻松安装。它不能通过

Scanner.useDelimiter