用另一列postgresql中的值替换字符串的一部分

6qfn3psc  于 2021-07-26  发布在  Java
关注(0)|答案(3)|浏览(327)

我有一个表,表中有一列突变信息,是氨基酸变化的三个字母代码,如下所示:

Amino acid change
------------------------ 
NP_006209.2:p.Thr1025Ala
NP_203524.1:p.Gly12Asp  
NP_000537.3:p.Arg273Cys 
NP_004324.2:p.Val600Glu 
NP_000537.3:p.Ser215Ile

在另一个表中,我有氨基酸的三个字母代码和一个字母代码,如下所示:

three_letters|one_letters
-------------|-----------
Ala          |A          
Arg          |R          
Asn          |N          
Asp          |D             
...
Val          |V          
Asx          |B          
Glx          |Z          
Ter          |*

我需要一个新的列在我的突变表中,氨基酸的一个字母代码如下:

new column
----------- 
p.T1025A  
p.G12D    
p.R273C   
p.V600E   
p.S215I
bwntbbo3

bwntbbo31#

您可以使用正则表达式来解决这个问题,只要更改代码始终是三个字母后跟一个或多个数字后跟三个字母。

regexp_match(change, 'p.(\D{3})(\d+)(\D{3})')

它返回一个数组,该数组可用于连接到查找表,然后重建缩短的代码。

with split as (
  select *, 
         regexp_match(change, 'p.(\D{3})(\d+)(\D{3})') as parts
    from changes
)
select s.*, 
       concat('p.', 
              coalesce(x1.one_letters, '?'), 
              parts[2], 
              coalesce(x2.one_letters, '?') 
       ) as encoded_change
  from split s
  left join xlate x1 on x1.three_letters = s.parts[1]
  left join xlate x2 on x2.three_letters = s.parts[3];
djmepvbi

djmepvbi2#

您的字符串的格式非常特殊。前缀看起来是固定长度的。接着是三个字符,一个数字(大概是一个位置),然后是另外三个字符。
如果总是这样的话,你不需要任何真正复杂的机器来替换。您可以只使用字符串操作:

with replacements as (
      select 'Thr' as three_letters, 'T' as one_letter union all
      select 'Ala' as three_letters, 'A' as one_letter
     ) 
select v.*, 
       left(mutation, 14) || r1.one_letter || replace(substr(mutation, 18), r2.three_letters, r2.one_letter)
from (values ('NP_006209.2:p.Thr1025Ala')) v(mutation) left join
     replacements r1
     on r1.three_letters = substr(mutation, 15, 3) left join
     replacements r2
     on r2.three_letters = right(mutation, 3);

实际上,我建议您更改数据结构,这样值就不会全部编码在一个字符串中。将结果放在多个列中:
name from_amino_acid to_amino_acid position 事实上,我不知道在那之前发生了什么 : ,也不知道 p. 这很重要。您可能还需要将其拆分为多个列。您可以使用这样的逻辑来拆分字符串:

select split_part(mutation, ':', 1) as name,
       substring(split_part(mutation, ':', 2), 3, 3) as from_amino_acid,
       (regexp_matches(split_part(mutation, ':', 2), '[0-9]+'))[1] as position,
       right(mutation, 3) as to_amino_acid
from (values ('NP_006209.2:p.Thr1025Ala')) v(mutation);

这将简化sql,也可能简化分析。

nnvyjq4y

nnvyjq4y3#

@mike organek提出的另一种解决方案是创建一个短函数来为您执行此转换。
数据样本:

CREATE TEMPORARY TABLE map (three_letters text, one_letters text);
INSERT INTO map 
VALUES ('Val','V'),('Glu','E'),('Thr','T'),('Ala','A');

功能:

CREATE OR REPLACE FUNCTION change_amino_acid(text)
RETURNS TEXT AS $BODY$
DECLARE i RECORD; acid TEXT;
BEGIN
acid := trim((string_to_array($1, ':p.'))[2]);
FOR i IN SELECT * FROM map 
  WHERE three_letters = ANY(regexp_split_to_array(acid, '\d+'))
LOOP
  acid := replace(acid,i.three_letters,i.one_letters);
END LOOP;
RETURN 'p.'||acid;
END; $BODY$ LANGUAGE plpgsql;

如何调用函数:

SELECT 
  change_amino_acid('NP_006209.2:p.Thr1025Ala'),
  change_amino_acid('NP_004324.2:p.Val600Glu');

 change_amino_acid | change_amino_acid 
-------------------+-------------------
 p.T1025A          | p.V600E

在那之后你需要做的就是 UPDATE 使用函数创建表

UPDATE my_table 
SET newcolum = change_amino_acid(long_amino_acid);

相关问题