Regex 找出合适的匹配正则表达式

我对编程比较陌生。我目前正在学习Perl，我遇到了一个逻辑问题，这使我无法正确地完成脚本。任何帮助都将不胜感激！！提前感谢您的有用见解

大部分程序已经编写好了，这是让我头疼的最后一步

我有一个变量

$RNA

，它以任意顺序获取核苷酸序列（

acgu

）。例如：

$RNA = agcuaggaaggguuuugauag

等等

我已经创建了一个散列，其中每3个核苷酸字符或密码子（例如uga）被分配给一个定义的氨基酸。例如：

% my AminoAcid   = (
  ggg => "G",
  ...
);

我想做的是，每当它读取

$RNA

字符串中的起始密码子

aug

时，打印与哈希中密码子对应的已定义氨基酸（大写字母），并且每当它读取终止密码子

uga

时，停止打印哈希中已定义的氨基酸

例如：假设

$RNA=aaaaugcccggugccccccccccc

。程序应该从（

aug

）开始打印相应的氨基酸，并在读取字符串中的终止密码子（

uga

）时停止

注意：在读取起始密码子（

aug

）之前，它应该忽略前三个

aaa

，在读取终止密码子（

uga

）之后，它应该忽略前三个

aug

），如果它在字符串的任何地方再次看到起始密码子，则重复相同的过程

我尝试了多种想法，但没有一个能接近于描述最后一部分代码的正确编写方式。我可能不完全明白背后的逻辑

任何帮助都将不胜感激。提前感谢

让我们从这个开始：

my $rna = "aaaaugcccgggugaccccccccc";
my %aminoAcidMap = ( ggg => "G", ccc => "C" );

第一步是提取

aug

和

uga

之间的相关部分：

$rna =~ /aug((?:[acgu]{3})*?)uga/ or die;
my $pattern = $1;

这假设

aug

可以出现在字符串中的任何位置。此外，如果它跨越两个密码子，它还确保if不会在

uga

处停止

如果要求起始密码子位于字符串中可被3整除的索引处，则可以这样做：

$rna =~ /^(?:[acgu]{3})*?aug((?:[acgu]{3})*?)uga/ or die;
my $pattern = $1;

此时，

$pattern

将包含

aug

和

uga

之间的部分

现在，要进行映射，您可以执行以下操作：

my $aminoAcids = $pattern =~ s/[acgu]{3}/$aminoAcidMap{$&}/ger;

这将用散列中的值替换每个密码子

如果您将所有内容都打包到sub中，您将获得：

sub getAminoAcids {
    local ($_) = @_;
    /aug((?:[acgu]{3})*?)uga/ or return "";
    $1 =~ s/[acgu]{3}/$aminoAcidMap{$&}/ger;
}

---

如果将逻辑放入代码组（？{}）

多条线路的Mod
注-如果需要重新校准（通过3），请通知我。
现在对齐方式为3个非空白+可选空白，重复。
这将消耗换行符，同时保持3个边界-我
假设是重要的

Perl代码

use strict;
use warnings;

my %AminoAcid   = (
   aug => "Start codon",
   ccc => "C",
   ggg => "G",
   uuu => "U"
);

my $RNA = '
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggccccccaugccc
gggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
aaaaugcccgggugacccgggcccgggcccaaaauguuugggcccugacccgggcccccc
';
my $on = 0;

$RNA =~ /
     (?:
          ( \S\S\S ) \s*
          (?{
               if ( $^N eq 'aug' ){ $on = 1; print "\n"; }
               elsif ( $^N eq 'uga' ) { $on = 0; }
               if ( $on ) {
                  exists $AminoAcid{ $^N } ?
                    print $AminoAcid{ $^N } :
                    print "[key not found-> '$^N']";
               }
          })
     )+
   /x;

输出

Start codonCG
Start codonUGC
Start codonCG
Start codonUGC
Start codonCG
Start codonUGC
Start codonCG
Start codonUGC

---

@lucas trzesniewski的sub非常好而且非常紧凑，但它有一些缺点：它不处理分散的硬回报，只找到第一个蛋白质，不打印第一个蛋氨酸，并用隐式回报修改$1/$（这是我试图避免的）。这是一个改进。注意，我自己有一个非常精巧的翻译脚本，它可以处理更多的情况（例如，重叠的阅读框、模棱两可的核苷酸、RNA片段、交替的起始密码子、多个终止密码子等），但是如果你只想在有限的情况下使用简单的方法，下面是@lucas trzesniewski的sub的一个修改版本，它解决了这些问题：

sub getAminoAcids
  {
    my $mrna = @_;
    $mrna =~ s/\s+//sg;
    $mrna = lc($mrna);
    my @proteins = ();
    while($mrna =~ /(aug(?:[acgu]{3})*?)uga/g)
      {
        $cds = $1;
        push(@proteins,"");
        while($cds =~ /(...)/g)
          {$proteins[-1] .= $aminoAcidMap{$1}}
      }
    return(@proteins);
  }

---

这假设您不想在蛋白质字符串中打印停止字符。它也可能有额外的功能，比如错误检查。

8月的

aug

是否必须在一个可以被3整除的索引上，或者它可以出现在任何地方？你能发布你尝试过的代码吗？你好，卢卡斯，非常感谢！！！！我非常感谢你的帮助！我唯一不太明白的是“子”块。你能给我解释一下你到底做了什么吗？例如，哪个语句在读取终止密码子时停止将密码子翻译成氨基酸？提前谢谢你！！还有，请原谅我的无知，有没有更简单的方法来完成同样的事情？我尝试了for、while和until循环。因为我不是专家，我想我可能误用了它们。再次感谢你@Dimitri

sub

是一个子例程/函数，用于代码重用。例如：

print getAminoAcids“aaaaugcccggugcccccccccc”为了做到这一点，我只是从答案中提取了另一个代码，去掉了临时变量，并将它们放在一起。终止密码子由正则表达式读取（以
/aug
开头的表达式）-有关更多详细信息，请参阅。是的，我并不是真的追求简单易懂的方式，而是追求最简洁、最高效的方式（用3行代码完成任务）。当然，Perl不是最容易学习的语言。上面的代码不会打印空行。你复制粘贴了整个代码吗？是的，代码中只有一个
print“\n”
，因为在这个块中设置了
$on
，所以它总是打印
\n
+
$AminoAcid{$^n}
，其中
$^n
是最后一个捕获缓冲区的内容，并且是该哈希值的“键”。如果密钥不存在，则会自动创建一个空白值。我会为你做一些错误检查。好的，我想我理解了，调整了多行，并为密钥的存在添加了一些错误检查。