Question

我有一个名为＆＃34; self .__ sequences＆＃34;有一些DNA序列，以下是该列表的一部分

['AAAACATCAGTATCCATCAGGATCAGTTTGGAAAGGGAGAGGCAATTTTTCCTAAACATGTGTTCAAATGGTCTGAGACAGACGTTAAAATGAAAAGGGG\n', 'TTAGAAACTATGGGATTATTCACTCCCTAGGTACTGAGAATGGAAACTTTCTTTGCCTTAATCGTTGACATCCCCTCTTTTAGGTTCTTGCTTCCTAACA\n', 'CTGAGTAAATCATATACTCAATGATTTTTTTATGTGTGTGCATGTGTGCTGTTGATATTCTTCAGTACCAAAACCCATCATCTTATTTGCATAGGGAAGT\n', 'CTGCCAGCACGCTGTCACCTCTCAATAACAGTGAGTGTAATGGCCATACTCTTGATTTGGTTTTTGCCTTATGAATCAGTGGCTAAAAATATTATTTAAT\n', 'ACTTATATTATGTTGACACTCAAAAATTTCAGAATTTGGAGTATTTTGAATTTCAGATTTTCTGATTAGGGATGTACCTGTACTTTTTTTTTTTTTTTTT\n', 'TTTGTTCTTTTTGTAATGGGGCCAGATGTCACTCATTCCACATGTAGTATCCAGATTGAAATGAAATGAGGTAGAACTGACCCAGGCTGGACAAGGAAGG\n', 'AAGAGGTAAAGGAAACAGACTGATGGCTGGAGAATTTGACAACGTATAAGAGAATCTGAGAATTCTTTTGAAAAATACTCAAATTTCCAGCCAAGATAGA\n', 'ACACTTGAGCATTAAGAGGAAACACCAAGGAAACAGATTTTAGGTCAAGAAAAAGAAGAGCTCTCTCATGTCAGAGCAGCCTAGAGCAGGAAAGTGCTGT\n', 'ACATCTATGCCCACCACACCTNGGTATGCANTGATGCTCATGAGATGGGAGGTGGCTACAGATTGCTCCATATAGAAATGTTACCTAGCATGTTAAAGAT\n']

我想为每个DNA序列计算gc conent并返回带有DNA：gc内容的字典。例如，类似的东西：

{(AAAACATCAGTATCCATCAGGATCAGTTTGGAAAGGGAGAGGCAATTTTTCCTAAACATGTGTTCAAATGGTCTGAGACAGACGTTAAAATGAAAAGGGG:0.5), (TTAGAAACTATGGGATTATTCACTCCCTAGGTACTGAGAATGGAAACTTTCTTTGCCTTAATCGTTGACATCCCCTCTTTTAGGTTCTTGCTTCCTAACA:0.33)}

gc content= (Count(G) + Count(C)) / (Count(A) + Count(T) + Count(G) + Count(C))

我写下面的代码，但它什么也没给我！

def get_gc_content(self):
    for i in range (len(self.__sequence)):
        if seq[i] in self.__sequence:
             return (seq.count('G')+seq.count('C'))/float(seq.count('G')+seq.count('C')+seq.count('T')+seq.count('A'))

有人可以帮我改进我的代码吗？

Answer 1

假设您从序列中分析DNA（不是RNA等）和strip()换行符和空格，seq.count('A') + seq.count('G') + seq.count('C') + seq.count('T')总是等于len(seq)。

请注意，seq.some_method_name对整个序列进行操作。您根本不需要迭代序列元素的for循环。

i in self.__sequence总是False（你选择一个整数，看它是否与四个可能的字母序列相符），所以它什么也没做。

循环中的第一个return将打破循环。

以下是一段似乎有用的代码：

def getContentOf(target_list, seq):
  # add a 1 for each nucleotide in target_list
  target_count = sum(1 for x in seq if x in target_list)
  return float(target_count) / len(seq)

答案看起来很合理：

>>> getContentOf(['G', 'C'], 'AGCT')
0.5
>>> getContentOf(['G', 'C'], 'AGCTATAT')
0.25
>>> _

所以你需要的是{seq: getContentOf(['G', 'C'], seq)}

BTW您在帖子中提供的序列似乎与您的示例状态具有不同的G + C内容。

Answer 2

怎么样：

self.myDict = {}

def create_dna_dict(self):
    for i in seq:
        if i in self.__sequence:
            self.myDict[i] = (seq.count('G') + seq.count('C')) / float(seq.count('G') + seq.count('C') + seq.count('T') + seq.count('A'))

但有一些事情：

您确定seq不应该是self.seq吗？
__sequence是一个非常奇怪的变量名。这似乎是非常规的。
在你想要的dict的例子中，你有一个不正确的词典语法

我很确定你是dict，有它的元组和缺乏字符串：

{(AAAACATCAGTATCCATCAGGATCAGTTTGGAAAGGGAGAGGCAATTTTTCCTAAACATGTGTTCAAATGGTCTGAGACAGACGTTAAAATGAAAAGGGG:0.5), (TTAGAAACTATGGGATTATTCACTCCCTAGGTACTGAGAATGGAAACTTTCTTTGCCTTAATCGTTGACATCCCCTCTTTTAGGTTCTTGCTTCCTAACA:0.33)}

看起来应该是这样的，删除了那些括号，键是字符串：

{"AAAACATCAGTATCCATCAGGATCAGTTTGGAAAGGGAGAGGCAATTTTTCCTAAACATGTGTTCAAATGGTCTGAGACAGACGTTAAAATGAAAAGGGG":0.5, "TTAGAAACTATGGGATTATTCACTCCCTAGGTACTGAGAATGGAAACTTTCTTTGCCTTAATCGTTGACATCCCCTCTTTTAGGTTCTTGCTTCCTAACA":0.33}

计算每个序列的gc内容并返回字典

2 个答案: