r - 在 R 中存储长字符串(DNA 序列)

Question

我编写了一个函数，用于在长 DNA 序列中查找子序列的索引。当我的较长 DNA 序列 < 约 4000 个字符时，它会起作用。但是，当我尝试将相同的函数应用于更长的序列时，控制台给了我一个 + 而不是 >... 这让我相信这是字符串的长度问题。

例如:当较长的序列是:“GATATATGCATATACTT”，子序列是:“ATAT”时，我得到索引“1、3、9”(基于0)

dnaMatch <- function(dna, sequence) {
  ret <- list()
  k <- str_length(sequence)
  c <- str_length(dna) - k 
  for(i in 1:(c+1)) {
    ret[i] = str_sub(dna, i, i+k-1)
  }
  ret <- unlist(ret)
  TFret <- lapply (ret, identical, sequence)
  TFret <- which(unlist(TFret), arr.ind = TRUE) -1
  print(TFret)
}

基本上，我的问题是......有没有办法解决字符串类中的字符限制？

Answer 1

我可以复制 nrussell 的示例，但这正确分配 x<-paste0(rep("abcdef",1000),collapse="") -- 一个潜在的解决方法是将字符串写入 .txt文件并阅读 .txt直接将文件导入R:

test.txt 是一个 6,000 个字符的字符串。

`test<-read.table('test.txt',stringsAsFactors = FALSE)
 length(class(test[1,1]))
[1] 1
class(test[1,1])
[1] "character"
 nchar(test[1,1])
[1] 6000`