Расщепление столбец data.frame в R, используя GSUB

Question

У меня есть data.frame называется rbp, который содержит один столбец, как следующее:

>rbp 
      V1 
    dd_smadV1_39992_0_1 
    Protein: AGBT(Dm) 
    Sequence Position 
    234 
    290 
    567 
    126 
    Protein: ATF1(Dm) 
    Sequence Position 
    534 
    890 
    105 
    34 
    128 
    301 
    Protein: Pox(Dm) 
    201 
    875 
    453 
    ********************* 
    dd_smadv1_9_02 
    Protein: foxc2(Mm) 
    Sequence Position 
    145 
    987 
    345 
    907 
    Protein: Lor(Hs) 
    876 
    512 

Я хотел бы отказаться от позиции последовательности и извлекать только конкретный детали, как имена последовательности и соответствующие имена белка, такие как следующие:

dd_smadV1_39992_0_1 AGBT(Dm);ATF1(Dm);Pox(Dm) 
dd_smadv1_9_02 foxc2(Mm);Lor(Hs) 

Я попытался следующий код в R, но это не удалось:

library(gsubfn) 
Sub(rbp$V1,"Protein:(.*?) ") 

Может ли кто-нибудь мне помочь.

Answer 1

Вот один из способов ему:

m <- gregexpr("Protein: (.*?)\n", x <- strsplit(paste(rbp$V1, collapse = "\n"), "*********************", fixed = TRUE)[[1]]) 
proteins <- lapply(regmatches(x, m), function(x) sub("Protein: (.*)\n", "\\1", x)) 
names <- sub(".*?([A-z0-9_]+)\n.*", "\\1", x) 
sprintf("%s %s", names, sapply(proteins, paste, collapse = ";")) 
# [1] "dd_smadV1_39992_0_1 AGBT(Dm);ATF1(Dm);Pox(Dm)" 
# [2] "dd_smadv1_9_02 foxc2(Mm);Lor(Hs)