Java에서 단순 시퀀스 반복을 찾는 효율적인 방법

Question

단순 시퀀스 반복을 찾아야하며 각 고유 반복을 해당 위치와 함께 저장해야합니다. 나는 이미 그것을하기위한 펄 코드를 작성했다. (pentamers 때까지 반복을 찾는 if와 for를 가지고있다.) 내 질문은 일부 정규식 또는 문자열을 검색하고 연속 반복 및 위치, 많은 제어 문 및 반복이 포함되지 않은 뭔가를 계산 반환 뭔가 같은 Java에서이 작업을 수행하는 몇 가지 간단한 방법입니다.

업데이트 : 간단한 시퀀스 반복 (SSR)은 2 중 문자 (즉, 서로 다른 두 문자가 함께 반복)에서 시작하는 중단되지 않은 반복 된 문자열입니다. 그것은 끊임없이 문장없이 반복적으로 반복되는 단어와 같습니다. AT 및 TGA 간단한 시퀀스는 AT 다이머이고, TGA는 삼량 체이고, 여기에 반복

AATTAAAATTTTAAAAAAAAGGGCCCTTTAA[ATATATATATATAT]AAGGGATTTAAGGAATTAAGA[TGATGATGATGATGA]TGGTAG 

같은 DNA의 경우, 보일 것이다. 내가 찾던 것은 시퀀스 반복의 시작 위치, 반복되는 반복 횟수 (즉, 길이) 및 시퀀스 (즉, 예를 들어 AT는 위치 6에서 시작하고 10 회 반복되고 TGA 그래서 위치 25)에서 시작

내 펄 코드 (그리고 그것은 버그의 종류) 당신이 "이량 체는는"당신이 진술에 적용을 시작하는 데 도움이해야 정규 표현식에 같은

my $i=0; 
my $j=0; 
my $dna; 
my $m2=0; 
my $m4=0; 
my $m3=0; 
my $m5=0; 
my $temp1; 
my $temp2; 
my $min; 

print "Please enter DNA sequence : "; 
$dna=<>; 
my $firstdi; 
my $seconddi; 
my $thirddi; 
my $fourthdi; 
my $fifthtet; 
my $firsttet; 
my $secondtet; 
my $thirdtet; 
my $fourthtet; 
my $fifthtet; 
my $firsttri; 
my $secondtri; 
my $thirdtri; 
my $fourttri; 
my $fifthtri; 
my $firstpent; 
my $secondpent; 
my $thirdpent; 
my $fourtpent; 
my $fifthpent; 
print "\n"; 
print "Please enter the length to search for : "; 
$motif=<>; 
print "\n"; 
print "Please enter the minimum number of motif repeats : " ; 
$min=<>; 
chomp($dna); 
chomp($motif); 
chomp($min); 
my @output; 
my @codearr = split //, $dna; 
print "\n";print @codearr;print "\n"; 
my $arrsize=@codearr; 
print "\nSize : "; 
print "\n";print $arrsize; print "\n"; 
print "Output : "; 
my $total=0; 


if($motif==2) 
{ 
for($i=0;$i<($arrsize-2);$i=$i+$motif) 
{ 
    if($codearr[$i] ne $codearr[$i+1]) 
    { 
    $temp1 = join("",$codearr[$i],$codearr[$i+1]); 
    $temp2 = join("",$codearr[$i+2],$codearr[$i+3]); 
    if($temp1 eq $temp2) 
{ 
if($m2==0) 
{ 
$ms1=$i; 
} 
$total++; 
$m2++; 
} 
} 
} 
} 



if($motif==3) 
{ 
for($i=0;$i<($arrsize-2);$i=$i+$motif) 
{if($codearr[$i] ne $codearr[$i+1]) 
    { 
    $temp1 = join("",$codearr[$i],$codearr[$i+1]); 
    $temp2 = join("",$codearr[$i+2],$codearr[$i+3]); 
    if($temp1 eq $temp2) 
{ 
    if($m2==0) 
{ 
$ms1=$i; 
} 
$m2++; 
    $total++; 
} 
} 
} 

for($i=0;$i<($arrsize-3);$i=$i+$motif) 
{if($codearr[$i] ne $codearr[$i+1]) 
    { 
$temp1 = join("",$codearr[$i],$codearr[$i+1],$codearr[$i+2]); 
$temp2 = join("",$codearr[$i+3],$codearr[$i+4],$codearr[$i+5]); 
if($temp1 eq $temp2) 
{ 
    if($m3==0) 
{ 
$ms3=$i; 
} 
$m3++; 
    $total++; 
} 
} 
} 
} 



if($motif==4) 
{ 
for($i=0;$i<($arrsize-2);$i=$i+$motif) 
{ 
    if($codearr[$i] ne $codearr[$i+1]) 
    { 
    $temp1 = join("",$codearr[$i],$codearr[$i+1]); 
    $temp2 = join("",$codearr[$i+2],$codearr[$i+3]); 
    if($temp1 eq $temp2) 
{ 
    if($m2==0) 
{ 
$ms1=$i; 
} 
$m2++; 
    $total++; 
} 
} 
} 
for($i=0;$i<($arrsize-3);$i=$i+$motif) 
{ 
    if($codearr[$i] ne $codearr[$i+1]) 
    { 
$temp1 = join("",$codearr[$i],$codearr[$i+1],$codearr[$i+2]); 
$temp2 = join("",$codearr[$i+3],$codearr[$i+4],$codearr[$i+5]); 
if($temp1 eq $temp2) 
{ 
    if($m3==0) 
{ 
$ms3=$i; 
} 
$m3++; 
    $total++; 
} 
} 
} 
for($i=0;$i<($arrsize-4);$i=$i+$motif) 
{ 
    if($codearr[$i] ne $codearr[$i+1]) 
    { 
$temp1 = join("",$codearr[$i],$codearr[$i+1],$codearr[$i+2],$codearr[$i+3]); 
$temp2 = join("",$codearr[$i+4],$codearr[$i+5],$codearr[$i+6],$codearr[$i+7]); 
if($temp1 eq $temp2) 
{ 
    if($m4==0) 
{ 
$ms4=$i; 
} 
$m4++; 
    $total++; 
} 
} 
} 
} 



if($motif==5) 
{ 
for($i=0;$i<($arrsize-2);$i=$i+$motif) 
{if($codearr[$i] ne $codearr[$i+1]) 
    { 
    $temp1 = join("",$codearr[$i],$codearr[$i+1]); 
    $temp2 = join("",$codearr[$i+2],$codearr[$i+3]); 
    if($temp1 eq $temp2) 
{ 
    if($m2==0) 
{ 
$ms1=$i; 
} 
    $total++; 
$m2++; 
} 
} } 
for($i=0;$i<($arrsize-3);$i=$i+$motif) 
{ 
    if($codearr[$i] ne $codearr[$i+1]) 
    { 
$temp1 = join("",$codearr[$i],$codearr[$i+1],$codearr[$i+2]); 
$temp2 = join("",$codearr[$i+3],$codearr[$i+4],$codearr[$i+5]); 
if($temp1 eq $temp2) 
{ 
    if($m3==0) 
{ 
$ms3=$i; 
} 
    $total++; 
$m3++; 
} 
} 
} 
for($i=0;$i<($arrsize-4);$i=$i+$motif) 
{ 
    if($codearr[$i] ne $codearr[$i+1]) 
    { 
$temp1 = join("",$codearr[$i],$codearr[$i+1],$codearr[$i+2],$codearr[$i+3]); 
$temp2 = join("",$codearr[$i+4],$codearr[$i+5],$codearr[$i+6],$codearr[$i+7]); 
if($temp1 eq $temp2) 
{ 
    if($m4==0) 
{ 
$ms4=$i; 
} 
    $total++; 
$m4++; 
} 
} 
} 
for($i=0;$i<($arrsize-5);$i=$i+$motif) 
{if($codearr[$i] ne $codearr[$i+1]) 
    { 
$temp1 = join("",$codearr[$i],$codearr[$i+1],$codearr[$i+2],$codearr[$i+3],$codearr[$i+4]); 
$temp2 = join("",$codearr[$i+5],$codearr[$i+6],$codearr[$i+7],$codearr[$i+8],$codearr[$i+9]); 
if($temp1 eq $temp2) 
{ 
    if($m5==0) 
{ 
$ms5=$i; 
} 
    $total++; 
$m5++; 
} 
} 
} 
} 


if($motif==2) 
{ 
    if($min<$total) 
    { 
print"Number of Dimer repeats : "; 
    print $m2; 
    print"\n"; 
    print"First position : "; 
    print $ms1; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
} 
else 
    { 
    print "No or less than minimum SSRs found";} 
} 

if($motif==3) 
{ 
    if($min<$total) 
    { 
print"Number of Dimer repeats : "; 
    print $m2; 
    print"\n"; 
    print"First position : "; 
    print $ms1; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
print"Number of Trimer repeats : "; 
    print $m3; 
    print"\n"; 
    print"First position : "; 
    print $ms3; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
} 
else 
    { 
    print "No or less than minimum SSRs found";} 
} 

if($motif==4) 
{ 
    if($min<$total) 
    { 
print"Number of Dimer repeats : "; 
    print $m2; 
    print"\n"; 
    print"First position : "; 
    print $ms1; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
print"Number of Trimer repeats : "; 
    print $m3; 
    print"\n"; 
    print"First position : "; 
    print $ms3; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
print"Number of Tetramer repeats : "; 
    print $m4; 
    print"\n"; 
    print"First position : "; 
    print $ms4; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
} 
else 
    { 
    print "No or less than minimum SSRs found";} 
} 


if($motif==5) 
{ 
    if($min<$total) 
    { 
print"Number of Dimer repeats : "; 
    print $m2; 
    print"\n"; 
    print"First position : "; 
    print $ms1; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
print"Number of Trimer repeats : "; 
    print $m3; 
    print"\n"; 
    print"First position : "; 
    print $ms3; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
print"Number of Tetramer repeats : "; 
    print $m4; 
    print"\n"; 
    print"First position : "; 
    print $ms4; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
print"Number of Pentamer repeats : "; 
    print $m5; 
    print"\n"; 
    print"First position : "; 
    print $ms5; 
    print "\n"; 
    print "Sequence Lenght : "; 
    print $arrsize; 
    print "\n"; 
    } 
    else 
    { 
    print "No or less than minimum SSRs found";} 
} 

Answer 1

뭔가있다 귀하의 질문에 더 긴 시퀀스를 찾기 위해 확장 될 수 있습니다.

String s = "AATTAAAATTTTAAAAAAAAGGGCCCTTTAAATATATATATATATAAGGGATTTAAGGAATTAAGATGATGATGATGATGATGGTAG"; 
Pattern pattern = Pattern.compile("([ATGC][ATGC])\\1+"); 
Matcher matcher = pattern.matcher(s); 

while (matcher.find()) { 
    System.out.print("Start index: " + matcher.start()); 
    System.out.print(" End index: " + matcher.end()); 
    System.out.println(" Found: " + matcher.group()); 
} 

이

는 출력을 제공합니다

Start index: 4 End index: 8 Found: AAAA 
Start index: 8 End index: 12 Found: TTTT 
Start index: 12 End index: 20 Found: AAAAAAAA 
Start index: 31 End index: 45 Found: ATATATATATATAT 

더 복잡한 패턴을 식별하는 데 도움이 정규 표현식에에서 상태 시스템을 구축 할 수 실제로 당신을 도울 수있는 렉싱 라이브러리. JLex을보세요.

---

편집 : 당신은 AA는 패턴으로 간주하고, 서로 다른 문자 수 있다고하지 않았다. 대신 this regex을 시도 할 수 있습니다 :

Pattern pattern = Pattern.compile("(?:([ATGC])(?!\\1)([ATGC])\\1\\2)+"); 

이이 같은 문자와 일치하지 않는 보장 내다 주장이있다.

Answer 2

이것은 LZ와 비슷합니다. 보세요, 당신을 도울 수 있습니다

인코딩 알고리즘의 높은 수준의보기가 여기에 표시됩니다 :

길이가 하나의 모든 문자열을 포함하도록 사전을 초기화합니다.
사전에서 현재 입력과 일치하는 가장 긴 문자열 W를 찾습니다.
W에 대한 사전 색인을 내보내고 출력에서 ​​W를 제거하십시오.
W에 다음 입력 기호를 추가하여 사전에 추가하십시오.
2 단계로 이동하십시오.

http://en.wikipedia.org/wiki/Lempel%E2%80%93Ziv%E2%80%93Welch

는 또한 단어 표시는 반복의 수를 저장하는 것입니다 수정 트리는을 사용할 수 있습니다.

http://en.wikipedia.org/wiki/Trie