Question

我在罗莎琳德身上遇到过一个问题，我认为我已经正确地解决了问题，但我得知我的答案是错误的。问题可以在这里找到：http://rosalind.info/problems/grph/

这是基本的图论，更具体地说，它涉及返回重叠DNA串的邻接列表。

“对于字符串和正整数k的集合，字符串的重叠图是一个有向图Ok，其中每个字符串由一个节点表示，字符串s连接到字符串t，其中有一个有向边s的长度为k的后缀与t的长度k前缀匹配，只要s≠t;我们要求s≠t以防止重叠图中的有向循环（尽管可能存在有向循环）。

鉴于：FASTA格式的DNA字符串集合，总长度最多为10 kbp。

返回：与O3对应的邻接列表。您可以按任何顺序返回边缘。“

所以，如果你有：

Rosalind_0498   AAATAAA

Rosalind_2391   AAATTTT

Rosalind_2323   TTTTCCC

Rosalind_0442   AAATCCC

Rosalind_5013   GGGTGGG

你必须回复：

Rosalind_0498 Rosalind_2391

Rosalind_0498 Rosalind_0442

Rosalind_2391 Rosalind_2323

我的python代码在解析了包含DNA字符串的FASTA文件后，如下所示：

        listTitle = []
        listContent = []

    #SPLIT is the parsed list of DNA strings

    #here i create two new lists, one (listTitle) containing the four numbers identifying a particular string, and the second (listContent) containing the actual strings ('>Rosalind_' has been removed, because it is what I split the file with)

        while i < len(SPLIT):
            curr = SPLIT[i]
            title = curr[0:4:1]
            listTitle.append(title)
            content = curr[4::1]
            listContent.append(content)
            i+=1

        start = []
        end = []

        #now I create two new lists, one containing the first three chars of the string and the second containing the last three chars, a particular string's index will be the same in both lists, as well as in the title list

        for item in listContent:
            start.append(item[0:3:1])
            end.append(item[len(item)-3:len(item):1])

        list = []

   #then I iterate through both lists, checking if the suffix and prefix are equal, but not originating from the same string, and append their titles to a last list

        p=0
        while p<len(end):
            iterator=0
            while iterator<len(start):
                if p!=iterator:
                    if end[p] == start[iterator]:
                        one=listTitle[p]
                        two=listTitle[iterator]
                        list.append(one)
                        list.append(two)
                iterator+=1
            p+=1

#finally I print the list in the format that they require for the answer

        listInc=0

        while listInc < len(list):
                print "Rosalind_"+list[listInc]+' '+"Rosalind_"+list[listInc+1]
                listInc+=2

我哪里错了？对不起，代码有点乏味，我在python中接受过很少的培训

Answer 1

我不确定您的代码有什么问题，但是这种方法可能被认为更“pythonic”。

我认为你已经将数据读入到将名称映射到DNA字符串的字典中：

{'Rosalind_0442': 'AAATCCC',
 'Rosalind_0498': 'AAATAAA',
 'Rosalind_2323': 'TTTTCCC',
 'Rosalind_2391': 'AAATTTT',
 'Rosalind_5013': 'GGGTGGG'}

我们定义一个简单的函数来检查字符串s1是否有k - 后缀匹配字符串k的{{1}} - 前缀：

s2

然后我们查看DNA序列的所有组合以找到匹配的序列。 def is_k_overlap(s1, s2, k): return s1[-k:] == s2[:k]：

可以轻松完成此操作

itertools.combinations

例如，在上面的数据中我们得到：

import itertools
def k_edges(data, k):
    edges = []
    for u,v in itertools.combinations(data, 2):
        u_dna, v_dna = data[u], data[v]

        if is_k_overlap(u_dna, v_dna, k):
            edges.append((u,v))

        if is_k_overlap(v_dna, u_dna, k):
            edges.append((v,u))

    return edges

罗莎琳德：重叠图

1 个答案: