Discussion :

[nawel9]

il m'est demandé de compter un nombre d'occurence de chaque mot de mon vecteur contenant toutes les combinaisons possibles de mots avec les lettres A T C G (nucleotides).
j'ai regardé dans la commande d'aide pour la fonction gregexpr mais je ne trouve pas de solution..............

[A. D.]

Il s'agit de mots de 4 lettres?
Les lettres A T C G peuvent être répétées : par exemple "AATC" est-il un mot correct?

Je ne sais pas trop à quoi ressemble ton vecteur, mais s'il est composé d'une chaîne de caractères pour chacun des mots alors tu peux faire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
v<-c("ATCG","AGCT","ATCG","ATCG","GCTA","GCAT","ATGC")
 
table(v)
 
AGCT ATCG ATGC GCAT GCTA 
   1    3    1    1    1

Mais peut-être s'agit-il simplement d'un grand vecteur composé de plein de lettres parmis A T C G ?

En tout cas, il faudrait nous en dire plus pour qu'on puisse essayer de t'aider (un petit exemple n'est jamais de trop )

Cordialement,

A.D.

[nawel9]

voici mon vecteur
> nucleotide
[1] "A" "T" "C" "G"

ensuite jai imbriquer des boucles for pour obtenir toutes les combinaions de mot de quatres lettres :


combinaisons=NULL
for( i in nucleotide){
for( j in nucleotide){
for( k in nucleotide){
for( l in nucleotide){
combinaisons=c(combinaisons,paste(i,j,k,l,sep=""))
}
}
}
}

ceci me permet d'obtenir 256 mots comme AATT OU AAAA
Tous les differents mots snt regroupés dans le vecteur combinaisosns.

Ensuite on me demande de "Compter le nombre d'occurrences de chaque mot, le stocker dans un vecteur. (indiçage avec étiquette recommandé, l'indice est le mot ex: vect['AAGA'])."
ceci grâce à la commande gregexpr mais j'ai beau regarder dans la commande d'aide de la
commande je n'arrive pas à savoir quoi mettre comme argument

[A. D.]

J'avoue ne pas bien saisir, qu'appelles-tu un "mot"?
Est-ce que un mot = une combinaison de 4 lettres parmis A T C et G?
Est-ce que tu tiens comptes de l'ordre des lettres A T C G dans les mots? Car si tu en tiens compte alors ton vecteur "combinaisons" contient 256 mots (de 4 lettres) tous différents et je ne vois pas où est le problème...

Désolée mais c'est assez confus tout ça...

EDIT : et si tu fais un "table" sur ton vecteur "combinaisons", ça ne te donne pas ce que tu recherches ??

[nawel9]

il s'agit bien de mots contenant les 4 lettres A T C et G , ON A AINSI 256 mots possibles et on me demande de trouver le nombre d'occurrence de chaque mots grâce à la commande gregexpr.
Si je prend l'exemple du mot AAAT, il peut se trouver deux fois das les 56 mots soit sous la forme AAAT u sous la forme TAAA .
On me demande alors d'effectuer cette exemple pour mes 256 mots :p

[A. D.]

Bon désolée, mais tout n'est pas encore clair pour moi...

J'ai bien compris que AAAT et TAAA sont considérés comme le même mot, mais qu'en est-il par exemple de AAAT et ATAA ou AATA?

Sinon, je ne sais pas vraiment comment calculer les nombres d'occurence sous R (avec certains langages de programmation ça serait sûrement plus facile).

Bonne continuation


A.D.

[vchouraki]

Bonjour,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

args(gregexpr)

Chaque mot peut être mis en argument dans la fonction via une boucle...

Par exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
nucleotide<-c("A","T","C","G")
dictionnaire<-do.call("paste",c(expand.grid(nucleotide,nucleotide,nucleotide,nucleotide),sep=""))
 
test<-paste(sample(c("A","C","T","G"),10000,replace=TRUE),sep="",collapse="")
 
comptageMots<-function(x){
positions<-unlist(gregexpr(x,test,perl=TRUE));
nmots<-length(positions[which(positions>0)]);
return(nmots)}
 
resultat<-sapply(dictionnaire,comptageMots)
resultat["TAGG"]

Après il peut y avoir un soucis dans la façon de compter certains mots. Par exemple:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

gregexpr("AAAA","AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA")

On peut considérer que le mot "AAAA" est retrouvé en position 1,2,3,etc. Dans ce cas, une bidouille du style (à tester) :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
comptageMots <- function(motif,texte){
  positions <- regexpr(motif,texte,perl=TRUE)
  positionUni <- positions
  while(positionUni!=-1 & !identical(texte,"")){
    texte <- substr(texte,positionUni+1,nchar(texte))
    positionUni <- regexpr(motif,texte,perl=TRUE)
    if (positionUni!=-1)
        positions <- c(positions,positionUni+positions[length(positions)])
  }
  nmots <- length(positions[which(positions>0)])
  return(nmots)
}

peut faire l'affaire...

HTH

Vincent

[herve1729]

Je suggère un truc comme ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
# génération des mots de 4 nucléotides
nuc <- c("A","C","G","T");
nuc2 <- as.vector(outer(nuc,nuc,paste,sep=""))
comb <- as.vector(outer(nuc2,nuc2,paste,sep=""))
 
# génération d'un mot de 5000 nucléotides
L <- paste(sample(nuc,1000,replace=TRUE),collapse="")
 
# Hop.
sapply(comb, function(x) length(gregexpr(x,L)[[1]]))