Posición del carácter en cadena - cadena, r, perl

Tengo un marco de datos con cadenas de caracteres en column1 e identificación en column2. La cadena contiene A,T,G or C. Me gustaría imprimir las líneas que tienen un A en la posición 1. Entonces me gustaría imprimir las líneas que tienen A en la posición 2 y así sucesivamente y guárdelos en archivos separados. Hasta ahora he usado biostrings en R para un análisis similar, pero no funcionará exactamente para este problema. Me gustaría usar perl.

Sequence                ID
TATACAAGGGCAAGCTCTCTGT  mmu-miR-381-3p
TCGGATCCGTCTGAGCT       mmu-miR-127-3p
ATAGTAGACCGTATAGCGTACG  mmu-miR-411-5p
......
600 more lines

Respuestas

Las cadenas biológicas funcionarán perfectamente y serán bastante rápidas. Llamemos a tu cadena de ADN mydata

HasA <- sapply(mydata,function(x) as.character(x[2]) == "A")

Ahora tienes un vector de VERDADERO o FALSO que indica qué secuencia tiene una A en la posición 2. Puedes convertirlo en un marco de datos agradable como este

HasA.df <- data.frame("SeqName" = names(mydata), "A_at_2" = HasA)

No estoy seguro del resultado esperado,

 mydata <- read.table(text="Sequence                ID
TATACAAGGGCAAGCTCTCTGT  mmu-miR-381-3p
TCGGATCCGTCTGAGCT       mmu-miR-127-3p
ATAGTAGACCGTATAGCGTACG  mmu-miR-411-5p",sep="",header=T,stringsAsFactors=F)

mCh <- max(nchar(mydata[,1])) #gives the maximum number of characters in the first column

sapply(seq(mCh), function(i) substr(mydata[,1],i,i)=="A") #gives the index

Puedes usar which para obtener el índice de la fila que satisface la condición para cada posición

  res <-  stack(setNames(sapply(seq(mCh),
function(i) which(substr(mydata[,1],i,i)=="A")),1:mCh))[,2:1]

tail(res, 5) #for the 13th position, 1st and 3rd row of the sequence are TRUE
ind values
#11  13      1
#12  13      3
#13  14      2
#14  15      3
#15  20      3

usar el índice values para extraer las filas. Para el 1er puesto

 mydata[res$values[res$ind==1],]
#               Sequence             ID
# 3 ATAGTAGACCGTATAGCGTACG mmu-miR-411-5p

Usando un perl de una sola línea

perl -Mautodie -lane "
BEGIN {($f) = @ARGV}
next if $. == 1;
my @c = split //, $F[0];
for my $i (grep {$c[$_] eq "A"} (0..$#c)) {
open my $fh, ">>", "$f.$i";
print $fh $_;
}
" file