通过 SQL 计算序列中的字符 [英] Counting chars in sequences via SQL

问题描述

我有一个带有序列表的数据库.此表中的每个(氨基酸)序列包含 20 个不同的字符(A、V、...).例如MQSHAMQCASQADLYD...".

I have a database with a sequence table. Each (amino acid) sequence in this table comprises of 20 different chars (A, V, ...). For instance "MQSHAMQCASQALDLYD...".

我想计算每个字符出现的次数，以便得到类似2xM，3xQ，..."的结果.

I would like to count the number of appearance of each char, so that I get something like "2xM, 3xQ, ...".

此外，我想对数据库中的所有序列执行此操作，以便获得每个字符的整体外观.(248xM，71x W，...").

Furthermore, I would like to do this over all sequences in my DB, so I get the overall appearance of each char. ("248xM, 71x W,...").

如何在 PostgreSQL 中执行此操作?目前，我正在使用 Ruby 进行此操作，但我有 25,000 个序列，每个序列的长度约为 400 个字符.这需要一段时间，我希望使用 SQL 会更快.

How can I do this in PostgreSQL? At the moment, I am doing it with Ruby, but I have 25,000 sequences with a length of about 400 chars each. This takes a while and I hope it will be faster with SQL.

推荐答案

这是如何在一个字符串中找到所有 A:

This is How to find all A's in a string:

select length(regexp_replace('AAADDD', '[^A]', '', 'g'));

这是在表格中查找所有 A 的方法:

This is how to find all A's in a table:

select sum(length(regexp_replace(field, '[^A]', '', 'g'))) from table;

这篇关于通过 SQL 计算序列中的字符的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！