Question

您好我是python的新手。我有以下问题：我想编写一个脚本，给定带有歧义的（dna）序列，写入所有可能的序列，（如果小于100，如果有超过100个可能的序列，则打印相应的错误消息）对于DNA核苷酸歧义：http://www.bioinformatics.org/sms/iupac.html

示例：对于序列“AYGH”，脚本的输出为“ACGA”, “ACGC”, “ACGT”, “ATGA”, “ATGC”和“ATGT”。 A，C，G和T是默认核苷酸。所有其他人可以有不同的值（见链接）。

所以我写了这个：

def possible_sequences (seq):
    poss_seq = ''
    for i in seq:
        if i=='A'or i=='C'or i=='G'or i=='T': 
            poss_seq += i 
        else: 
            if i== 'R':  
                poss_seq += 'A' # OR 'G', how should i implement this? 
            elif i == 'Y': 
                poss_seq += 'C' # OR T 
            elif i == 'S': 
                poss_seq += 'G' # OR C
            elif i == 'W': 
                poss_seq += 'A' # OR T 
            elif i == 'K': 
                poss_seq += 'G' # OR T
            elif i == 'M': 
                poss_seq += 'A' # OR C
            elif i == 'B': 
                poss_seq += 'C' # OR G OR T 
            elif i == 'D': 
                poss_seq += 'A' # OR G OR T 
            elif i == 'H': 
                poss_seq += 'A' # OR C OR T 
            elif i == 'V': 
                poss_seq += 'A' # OR C OR G 
            elif i == 'N': 
                poss_seq += 'A' # OR C OR G OR T 
            elif i == '-' or i == '.': 
                poss_seq += ' '
    return poss_seq

当我测试我的功能时： possible_sequences（'ATRY-C'）我得到了：

'ATAC C'

但我应该得到：

'ATAC C'
'ATAT C' 
'ATGC C'
'ATGT C'

有人可以帮帮我吗？我明白，当存在歧义时我必须回顾并写下第二个poss_seq，但我不知道如何......

Answer 1

您可以使用itertools.product来生成各种可能性：

from itertools import product

# List possible nucleotides for each possible item in sequence
MAP = {
    'A': 'A',
    'C': 'C',
    'G': 'G',
    'T': 'T',
    'R': 'AG',
    'Y': 'CT',
    'S': 'GC',
    'W': 'AT',
    'K': 'GT',
    'M': 'AC',
    'B': 'CGT',
    'D': 'AGT',
    'H': 'ACT',
    'V': 'ACG',
    'N': 'ACGT',
    '-': ' ',
    '.': ' '
}

def possible_sequences(seq):
    return (''.join(c) for c in product(*(MAP[c] for c in seq)))

print(list(possible_sequences('AYGH')))
print(list(possible_sequences('ATRY-C')))

输出：

['ACGA', 'ACGC', 'ACGT', 'ATGA', 'ATGC', 'ATGT']
['ATAC C', 'ATAT C', 'ATGC C', 'ATGT C']

在上面我们首先迭代给定序列中的项目并获取每个项目的可能核苷酸列表：

possibilities = [MAP[c] for c in 'ATRY-C']
print(possibilities)

# ['A', 'T', 'AG', 'CT', ' ', 'C']

然后将iterable作为赋予product的参数解压缩，这将返回笛卡尔积：

products = list(product(*['A', 'T', 'AG', 'CT', ' ', 'C']))
print(products)

# [('A', 'T', 'A', 'C', ' ', 'C'), ('A', 'T', 'A', 'T', ' ', 'C'), 
#  ('A', 'T', 'G', 'C', ' ', 'C'), ('A', 'T', 'G', 'T', ' ', 'C')]

最后，将每个产品转换为包含join的字符串：

print(list(''.join(p) for p in products))

# ['ATAC C', 'ATAT C', 'ATGC C', 'ATGT C']

请注意possible_sequences返回一个生成器而不是一次构造所有可能的序列，因此您可以随时轻松地停止迭代，而不必等待生成每个序列。

定义一个返回不同可能性的循环

1 个答案: