| Sequence Manipulation Suite: |
| Search patterns |
-
序列操作套件使用的搜索模式不区分大小写。下面是一个简单的搜索模式，可查找序列片段
GGAT（以及 ggat）的所有出现位置：
ggat
上述模式匹配 GGAT，但不匹配 GGAA。
-
若序列中某些位置的残基可能变化，可用方括号匹配。下面的模式会查找
GGAT、GGAC 和 GGAA 的所有出现位置：
gga[tca]
上述模式匹配 GGAT，但不匹配 GGAG。
-
若要表示模式中完全可变的残基，可使用 . 字符。下面的模式会查找
GCA 后接任意单个残基、再接 TTT 的所有出现位置：
gca.ttt
上述模式匹配 GCAATTT，但不匹配 GCAAATTT。
-
若要表示某残基在序列中可重复一次或多次，可使用 + 字符。下面的模式会查找
MVV 后接一个或多个 R 残基的所有出现位置：
MVVR+
上述模式匹配 MVVRR，但不匹配 MVVDR。
-
若要表示某残基可重复零次或多次，可使用 * 字符。下面的模式会查找
MD 后接零个或多个 K 残基、再接一个 L 的所有出现位置：
MDK*L
上述模式匹配 MDL，但不匹配 MDVL。
-
若要表示某残基重复特定次数，可使用花括号。下面的模式会查找一个
M 残基后接 1 至 4 个 L 残基、再接一个 G 残基的所有出现位置：
ML{1,4}G
上述模式匹配 MLLG，但不匹配 MLLLLLG。
-
上例中的特殊字符、方括号和花括号可用于查找重复残基。将圆括号与
+、* 和 {} 字符配合使用，还可查找重复的子序列。下面的模式会查找连续出现
2 至 5 个 TNT 序列、后接一个或多个 KM 重复的所有出现位置：
(TNT){2,5}(KM)+
上述模式匹配 TNTTNTTNTKM，但不匹配 TNTTNKM。
-
若要将匹配限制在序列开头，可使用 ^ 字符。例如，下面的模式仅在
GACCCT 位于序列起始端 3 个残基以内时才匹配：
^.{0,3}GACCCT
上述模式会在序列 ATCGACCCT 中找到 GACCCT，但在序列
AATCGACCCT 中找不到。
-
若要将匹配限制在序列末尾，可使用 $ 字符。例如，下面的模式仅在
LVL 位于序列末尾时才匹配：
LVL$
上述模式会在序列 KMHLVL 中找到 LVL，但在序列
LVLD 中找不到。
-
若要查找可变序列，也可使用 | 字符分隔同一序列片段不同版本的模式。例如，要查找
MML、MAL 和 MAD 的所有出现位置，可使用：
MML|MAL|MAD
上述模式匹配 MML，但不匹配 MMK。
-
其他示例：
atg(...)+(tag|taa|tga)
上述模式会匹配以 atg 开头、以 tag、taa 或
tga 结尾的开放阅读框。
[VILMFWC]{10,}
上述模式会匹配包含十个或更多疏水残基的蛋白片段。
新窗口
| 首页 |
引用
|
|