Question

我正在尝试理解用于解决DNA序列中的丛发现的简短代码。问题是

给定整数L和t，如果存在长度为L的基因组的间隔，则字符串模式在（较大的）字符串基因组中形成（L，t） - 团块，其中Pattern至少出现t次。

例如，TGCA在以下基因组中形成（25,3） - 聚集体：gatcagcataagggtcccTGCAaTGCAtgacaagccTGCAgttgttttac。

丛发现问题

找到在字符串中形成团块的图案。

给定：字符串基因组，以及整数k，L和t。

返回：在基因组中形成（L，t） - 团块的所有不同的k聚体。

代码如下：

from collections import defaultdict

def search(inseq, k, L, t):
    lookup = defaultdict(list)
    result = set()

    for cursor in range(len(inseq) - k + 1):
        seg = inseq[cursor:cursor + k]

        # remove prior positions of the same segment
        # if they are more than L distance far
        while lookup[seg] and cursor + k - lookup[seg][0] > L:
            lookup[seg].pop(0)

        lookup[seg].append(cursor)
        if len(lookup[seg]) == t:
            result.add(seg)

    return result

以下是我的问题，

（1）使用defaultdict而不是dict的目的是什么？

（2）什么是查找[seg]？它是k-mer丛的起始位置吗？

Answer 1

defaultdict是一个Python对象，它只返回一个＆＃39;默认值＆＃39;对象，如果您请求不在字典中的键。在这种情况下，默认项目是列表。 http://code.tutsplus.com/articles/python-from-scratch-object-oriented-programming--net-21476

好像lookup[seg]返回段seg的位置列表（如果它们在被解析的段的部分的L距离内）。因此，lookup[seg]的返回对象是DNA序列的索引列表。

Answer 2

1）使用defaultdict的目的是什么？

defaultdict(list)可让您使用lookup[seg]访问密钥，并且＆＃34;神奇地＆＃34;找到一个准备好的清单。如果密钥（seg）已经存在，那就是您将获得的密钥。否则，您将获得一个空列表。使用普通字典时，第二个是错误。

（2）什么是查找[seg]？

这是序列中的位置列表，只要它们足够接近。

Clump在DNA序列中发现

2 个答案: