Question

从dna序列列表开始，我必须得到所有可能的共识（结果在每个位置具有最高核苷酸频率的序列）序列。如果在某些位置核苷酸有在相同的最高频率下，我必须获得具有最高频率的所有可能组合。我还必须得到轮廓矩阵（每个序列的每个核苷酸的频率矩阵）。

到目前为止，这是我的代码（但它只返回一个共识序列）：

seqList = ['TTCAAGCT','TGGCAACT','TTGGATCT','TAGCAACC','TTGGAACT','ATGCCATT','ATGGCACT']
n = len(seqList[0])
profile = { 'T':[0]*n,'G':[0]*n ,'C':[0]*n,'A':[0]*n }

for seq in seqList:

    for i, char in enumerate(seq):
        profile[char][i] += 1



consensus = ""
for i in range(n):
    max_count = 0
    max_nt = 'x'
    for nt in "ACGT":
        if profile[nt][i] > max_count:
            max_count = profile[nt][i]
            max_nt = nt
    consensus += max_nt
print(consensus)
for key, value in profile.items():
     print(key,':', " ".join([str(x) for x in value] ))

TTGCAACT
C : 0 0 1 3 2 0 6 1
A : 2 1 0 1 5 5 0 0
G : 0 1 6 3 0 1 0 0
T : 5 5 0 0 0 1 1 6

（如您所见，在第四位，C和G具有相同的最高分，这意味着我必须获得两个共识序列）

是否可以修改此代码以获取所有可能的序列，或者你能解释一下逻辑（伪代码）如何获得正确的结果吗？

非常感谢你！

Answer 1

我确信有更好的方法，但这很简单：

bestseqs = [[]]
for i in range(n):
    d = {N:profile[N][i] for N in ['T','G','C','A']}
    m = max(d.values())
    l = [N for N in ['T','G','C','A'] if d[N] == m]
    bestseqs = [ s+[N] for N in l for s in bestseqs ]

for s in bestseqs:
    print(''.join(s))

# output:
ATGGAACT
ATGCAACT

Python：多个共识序列

1 个答案: