使用c++字符串类函数来显示更长的原始基因组字符串中的“基因子字符串”

using c++ string class functions to display “gene substrings” from a longer original Genome string

本文关键字：字符串 基因组 原始 类函数 显示 使用 c++      更新时间：2023-10-16

请提供帮助。我正在用一个序列TGTGTGTATAT测试我的基因发现程序，起始帽ATG添加到前面，结束帽TAA添加到后面，所以我正在测试基因组ATGTGTGTGTATATTAA，因为不包括帽，序列长度不是3个字符的倍数，因此它不包含任何基因，应该显示

"未发现基因"

黑色定制窗口确实弹出但它不显示

//Date: 
//purpose:  find Genes and cout found genes
#include <iostream>
#include <string>
#include <cctype>
#include <cmath>
#include <algorithm>
using namespace std;
int main() 
{
    string genome = "ATGTGTGTGTATATTAA"; //testing this string
        /*cout << "Enter a genome string: ";
    cin >> genome;*/
        int geneCounter = 0;

while(!genome.empty())  //enters loop if strings not empty
{

if(genome.find("ATG",0) == string::npos) //genome.find("ATG",0,3) should return npos if no ATG is found right? 
{   
    if(geneCounter == 0)
    {
    cout << "no gene is found";  
    genome.clear(); 
    }
}
else
{
    int startGene = genome.find("ATG",0); //ATG is not part of gene just a front endcap to genes
    int endGene = min(min(genome.find("TAG"), genome.find("TAA")), genome.find("TGA"));//endcaps are TAG or TAA or TGA 
                                                                                       //finds location of (1+ gene end) 

    string currentGene = genome.substr(startGene + 3, endGene - (startGene +3)); //puts copy of gene in substring
    if((currentGene.length() % 3) == 0)
    {
        geneCounter += 1;
        cout << currentGene <<endl;//a gene is a multiple of three characters so if its a gene I cout the gene
    }
    endGene += 3;
    genome.erase(0, endGene); //should erase the gene I just "cout"displayed 
                                                //and its front ATG and its endcap and anything before its ATG
    //cout << genome; //testing: this should display the genome after the endcap of the last gene cause I erased all coming before 
}
}

return 0;
}

这听起来像是一个干净regex解决方案的完美用例。再次验证基因串的确切规则是什么？

从ATG 开始

三个字符的基因。允许使用哪些字符？

以TTA 结束

使用类似的正则表达式

^ATG([A-Z]{3})+TTA$

^是一行的开头。ATG是一条需要严格匹配的字符串。（[A-Z]{3}）+是一个匹配组，意味着它将在找到时被提取，从A-Z中有三个字符A。TTA再次完全匹配。加号仅在找到该组中的至少一个时有效。.$是行的末尾。

如果[A-Z]是有效字符，则可以使用[ATGE]代替[A-Z]。

这应该能彻底解决你的问题。为所有内部的三个字符子字符串提供一个迭代器，同时还检查长度开始和结束。

http://www.cplusplus.com/reference/regex/

while循环的第一次迭代进入else块，并以结束

genome.erase(0, endGene);

这会擦除整个基因组，因此当检查while条件时，

while(!genome.empty())

genome为空，因此程序退出。

尝试将while条件更改为：

while(true)

这可能不是最终目标，但它可能有助于引导你朝着正确的方向前进。

相关文章：