在R

我在寻找一个在R中找到CpG岛的算法。我还没有找到一个特别的，所以我决定自己做一个。所讨论的算法来自Gardiner garden和Frommer的一篇文章（任何谷歌搜索都可以找到这篇文章供阅读），主要规则如下：

CpG岛定义为至少200 bp的区域

“GC含量”或GC二核苷酸的比例大于50%

观察到的CpG比（O/E）大于0.6。这通过以下公式计算：

Obs/Exp CpG=CpG数量*N/（C数量*G数量）

N为所考虑片段中的核苷酸数

我对这个想法没有深入了解，因为我缺乏编程方面的知识，但我找到了这个算法的步骤以及它应该如何工作：

确定了基因组序列中每个“CG”的位置，以及前一个“CG”以来的核苷酸数量以及C和G的数量

核苷酸的总数可以让我们计算出一个分子的长度 假设岛，C和G计数让我们计算GC%和 O/E分数

根据以下规则建立可能属于某个岛屿的连续CPG阵列：

a.

我们从基因组中的第一个CpG开始，然后将随后的CpG添加到 一个接一个地移动阵列（向前滑动右边缘）

b.

每次我们在右侧添加一个CpG时：

1b）

如果长度小于200，我们继续（在右侧添加另一个）。 否则，长度标准得到满足，我们将评估%GC和O/E

2b）

如果这三个标准都满足，我们会注意到我们假定的岛屿看起来不错，并继续前进（尝试建造一个更大的岛屿）。如果在我们添加此CpG之前满足所有三个标准，但现在不再满足%GC和O/E，我们将此CpG用作新假定孤岛的开始，并打印出上一次迭代中的孤岛

3b）

4b）

可以找到一个样本序列

我迄今为止的努力：

a=lapply(x, function(vec){
  x <- gregexpr("gc", vec, perl = TRUE)
  res <- sum(attr(x[[1]], "match.length"))
  res
})


b=lapply(x, function(vec){
  x <- gregexpr("g", vec, perl = TRUE)
  res <- regmatches(vec, x)
  res
}) 


c=lapply(x, function(vec){
  x <- gregexpr("c", vec, perl = TRUE)
  res <- regmatches(vec, x)
  res
}) 

因此，更容易处理一个大序列

如果有人能帮忙，我将非常感激

编辑1：

在仔细查看之后，我发现上述算法步骤实际上是一种称为滑动窗口算法的算法。在这里，我在Stackoverflow上找到了许多R的滑动窗口算法示例。如果做了一些更改，这可能就是该算法的解决方案。代码如下：

slide_function <- function(data, window, step){
  total <- length(data)
  spots <- seq(from=1, to=(total-window), by=step)
  result <- vector(length = length(spots))
  for(i in 1:length(spots)){

    result[i] <- 

  }
  return(result)
}

slide\u函数
slide_function <- function(data, window, step){
  total <- length(data)
  spots <- seq(from=1, to=(total-window), by=step)
  result <- vector(length = length(spots))
  for(i in 1:length(spots)){

    result[i] <- 

  }
  return(result)
}