python - 获取一组 SNP 的所有可能基因型组合的方法

Question

我现在有一组大约 20 个 SNP，我想为其获取所有可能的基因型组合。例如，让我们从三个 SNP 及其等位基因开始。

SNP      A1         A2
SNP1      A          T
SNP2      C          G
SNP3      T          A

我想首先生成这三个 SNP 的所有可能基因型排列/组合的列表，例如:

SNP1 SNP2 SNP3
  AA   CC   TT
  AA   CC   TA
  AA   CC   AA
  AA   CG   TT
  AA   CG   TA
  AA   CG   AA
  AA   GG   TT
  AA   GG   TA
  AA   GG   AA
  ...

依此类推，我预计有 3^3 = 27 种可能的组合。

从这里开始，我希望将其扩展到我的全部 ~20 个 SNP 组。在 Python 甚至 R 中，执行此操作的好方法是什么？

Answer 1

我们可以使用标准 itertools 模块中的两个函数来生成组合。我们使用 combinations_with_replacement从 SNP 构建 3 对。

from itertools import combinations_with_replacement

def pairs(alleles):
    return [u + v for u, v in combinations_with_replacement(alleles, 2)]

print(pairs('TA'))

输出

['TT', 'TA', 'AA']

然后我们使用product从 SNP 列表构建所有组合。

from itertools import combinations_with_replacement, product

def pairs(alleles):
    return [u + v for u, v in combinations_with_replacement(alleles, 2)]

all_snps = ('AT', 'CG', 'TA')

for t in product(*[pairs(snp) for snp in all_snps]):
    print(t)

输出

('AA', 'CC', 'TT')
('AA', 'CC', 'TA')
('AA', 'CC', 'AA')
('AA', 'CG', 'TT')
('AA', 'CG', 'TA')
('AA', 'CG', 'AA')
('AA', 'GG', 'TT')
('AA', 'GG', 'TA')
('AA', 'GG', 'AA')
('AT', 'CC', 'TT')
('AT', 'CC', 'TA')
('AT', 'CC', 'AA')
('AT', 'CG', 'TT')
('AT', 'CG', 'TA')
('AT', 'CG', 'AA')
('AT', 'GG', 'TT')
('AT', 'GG', 'TA')
('AT', 'GG', 'AA')
('TT', 'CC', 'TT')
('TT', 'CC', 'TA')
('TT', 'CC', 'AA')
('TT', 'CG', 'TT')
('TT', 'CG', 'TA')
('TT', 'CG', 'AA')
('TT', 'GG', 'TT')
('TT', 'GG', 'TA')
('TT', 'GG', 'AA')