R 从背景（DNA序列）中排除特定字符串（DNA字符串）和洗牌（即从正DNA序列生成负数集）

我有一个包含DNA字符串的文件。我想从正数据生成负数据集。一种方法是从我的数据中排除一些特定的序列，然后洗牌数据。
假设我的数据集是一个列表：

1)
DNAlst:
ACTATACGCTAATATCGATCTACGTACGATCG
CAGCAGCAGCGAGACTATCCTACCGCA
ATATCGATCGCAAAAATCG

我想排除这些序列：

ATAT,CGCA

因此，结果将是：

ACTATACGCTACGATCTACGTACGATCG
CAGCAGCAGCGAGACTATCCTAC
CGATAAAAATCG

2）

然后我想按特定的长度（例如5）洗牌我的序列。这意味着将DNA串按长度为5的部分（5-mer）洗牌。例如：

ATATACGCGAAAAATCTC=>5次洗牌后的结果==>AAAAA CTCCGCAATATA

---

如果您能告诉我如何在R中执行此操作，我将不胜感激。

使用

stringi

软件包：

dna <- c("ACTATACGCTAATATCGATCTACGTACGATCG","CAGCAGCAGCGAGACTATCCTACCGCA","ATATCGATCGCAAAAATCG")

# stri_replace function replaces strings ATAT and CGCA for empty string
stri_replace_all_regex(dna, "ATAT|CGCA","")

长度为5的

seq

生成的索引中的

stri_sub

字符串

y <- stri_sub(dna[1], seq(from=1,to=stri_length(dna[1]),by=5), length = 5)
y
## [1] "ACTAT" "ACGCT" "AATAT" "CGATC" "TACGT" "ACGAT" "CG"   

---

一个简单的

gsub

可以完成第一部分，像

gsub（“ATAT | CGCA”，“cagcagctctctacgca”）

虽然我不确定您的数据结构是什么

dput（DNAlst）

可能有用

y <- stri_sub(dna[1], seq(from=1,to=stri_length(dna[1]),by=5), length = 5)
y
## [1] "ACTAT" "ACGCT" "AATAT" "CGATC" "TACGT" "ACGAT" "CG"   

stri_flatten(y[sample(length(y))])
## [1] "TACGTACGATCGATCAATATACGCTACTATCG"