血红蛋白基因的正则表达

Question

我对 R、seurat 和 scRNA seq 分析还很陌生。使用 R 中的 seurat 包分析单细胞 RNA 测序数据，我发现了分析每个细胞血红蛋白基因百分比的选项。不同教程中建议的代码类似于

seurat_object[["percent.hb"]] <- PercentageFeatureSet(seurat_object, assay = "RNA", pattern = "^HB[^(P)]")

str_view(rownames(seurat_object), pattern = "^HB")

给了我

[10598] │ <HB>EGF
[12625] │ <HB>S1L
[14084] │ <HB>P1
[19108] │ <HB>B
[19109] │ <HB>D
[19111] │ <HB>G1
[19112] │ <HB>G2
[19114] │ <HB>E1
[26440] │ <HB>Z
[26441] │ <HB>M
[26442] │ <HB>A2
[26443] │ <HB>A1
[26444] │ <HB>Q1

我的印象是，该模式（

"^HB[^(P)]"

）包括与血红蛋白/红细胞无关的其他基因，特别是

HBEGF

和

HBS1L

，同时它排除了

HBP1

，我认为这是正确的。

我正在尝试找到一个排除前 3 个基因（HBEGF、HBS1L 和 HBP1）但保留所有其他基因的正则表达式。我尝试过像

"^HB[^(P|EG|S)]"

和

"^HB[^(P|S)]([^G])"

和

"^HB[^(P|S)](|[^G])"

这样的模式。

我有点被困在这里，也许有人可以帮助我。提前非常感谢！

编辑：将“hemoglobulin”更改为正确的名称“血红蛋白” - 显然我读了太多有关抗体（又名免疫球ulins）的内容...

Answer 1

为什么使用括号来分组捕获一个字母，并在否定表达式 [^(P|S)] 中使用“或”符号？它不应该像 [^PS] 一样工作吗，因为方括号表示字符之间已经有一个“或”？ 我想表达式“^HB[^PS] ($|[^G])”也应该按预期工作？ 预先感谢您的建议！ 亲切的问候， 马里奥