计算每个单元格中给定字符的出现次数

Question

问题

例如，如果我想计算一列字符串中 Ns 的数量，我该如何在 Google 电子表格中以每个单元格为基础执行此操作（即一次指向一个单元格的公式，我可以拖累）？

背景

我必须为一个名为 TOMTOM** 的程序确定阈值 -min-overlap <integer>，该程序比较小 DNA 基序的 PWM *** 之间的相似性****，N 是任何线性的正则表达式字母 A、C、G 和 T 的组合。如果我能了解我的 DNA 基序的非 N 长度的分布情况，以帮助我了解 TOMTOM 的正确-min-overlap <integer> 值，那就太好了。

这里有一些真实的例子：

** TOMTOM 是一种用于将 DNA 基序与已知基序数据库进行比较的工具。请参阅here 了解更多信息。

*** PWM 代表位置权重矩阵：

• According to Wiki：位置权重矩阵 (PWM)，也称为位置特定权重矩阵 (PSWM) 或位置特定评分矩阵 (PSSM)，是生物序列中基序（模式）的常用表示。李>
• According to this paper，可以定义为：

位置权重矩阵 (PWM) 或类似 PWM 的模型被广泛用于 代表蛋白质的 DNA 结合偏好（Stormo，2000）。在这些 模型中，矩阵用于表示 TF 结合位点 (TFBS)，其中 每个元素代表对整体绑定的贡献 与相应位置的核苷酸的亲和力。一个与生俱来的 传统PWM模型的假设是位置无关；那 是，TFBS中不同核苷酸位置的贡献 对整体结合亲和力的影响被认为是相加的。虽然 这个近似是广泛有效的，然而，它不成立 几种蛋白质 (Man & Stormo, 2001; Bulyk et al, 2002)。到 改进定量建模，PWM 模型已扩展到 包括附加参数，例如 k-mer 特征，以说明 TFBS 中的位置依赖性（Zhao et al, 2012; Mathelier & 瓦瑟曼，2013； Mordelet 等人，2013 年； Weirauch 等人，2013 年；莱利等 人，2015）。核苷酸位置之间的相互依赖性具有 结构起源。例如，堆叠相邻之间的交互 碱基对形成局部三维 DNA 结构。 TF有 偏好序列依赖的 DNA 构象，我们称之为 DNA 形状读数 (Rohs et al, 2009, 2010)。

或者，更现代地说：

基于此原理，另一种增强方法 传统的 PWM 模型是包含 DNA 结构特征的。 结合这些 DNA 形状的 TF-DNA 结合特异性模型 功能达到与模型相当的性能水平 结合高阶 k-mer 特征，同时需要大量 更少的参数（Zhou et al, 2015）。我们以前 揭示了 DNA 形状读数对基础成员的重要性 helix-loop-helix (bHLH) 和同源域 TF 家族 (Dror et al, 2014; 杨等人，2014；周等人，2015）。对于 Hox TF，我们还能够， 确定 TFBS 中的哪些区域使用了 DNA 形状读数， 展示了揭示机械见解的方法的力量 进入 TF-DNA 识别（Abe 等人，2015 年）。这种能力是 由于缺乏 大规模高质量 TF-DNA 结合数据。随着最近 大量的蛋白质-DNA结合的高通量测量，它 现在可以剖析 DNA 形状读数对许多 TF 的作用 家庭。

**** DNA 基序：wiki：在遗传学中，序列基序是一种广泛存在的核苷酸或氨基酸序列模式，具有或推测具有生物学意义。对于蛋白质来说，序列基序与结构基序是有区别的，结构基序是由氨基酸的三维排列形成的，可能不相邻。

Answer 1

一次一个单元格的替代方案（公式要复制下来）：

=len(A2)-len(SUBSTITUTE(A2,"N",""))

Answer 2

我不知道这是否会有所帮助，但假设您在 A2:A6 范围内有这些字符串，然后您输入

=ArrayFormula(LEN(REGEXREPLACE(A2:A6, "[^N]", "")))

在 B2 中，应该输出整个范围的 N 个计数。

Answer 3

=len(A2)-len(SUBSTITUTE(A2,"N",""))

这可行，但如果您想查找与特定模式匹配的所有数字，例如 3。那么：

=len(A2)-len(SUBSTITUTE(A2,"3",""))

是你需要的。