Python3 : List of strings, 其中字符串具有可变字母(不是所有位置的所有字母)

Question

首先介绍一些生物学背景，以便您理解我的问题。在生物学中，DNA 序列可以包含可被 enzyme 或蛋白质识别的基序。这些图案是字符串，如“GACTGC”。分析可以揭示主题中的位置是否“保守”。

enzyme 可能最能识别“GACTGC”，但也可能识别“CACTGC”甚至“TTCTGC”。因此，某些位置可能会有所不同。

我有以下情况:我想创建一个可以识别的带有图案的排列列表。为此，我有以下信息:

最佳认可:GACTGC

基地，也可能:

GACTGC
A  C G
T    A

这意味着，在第一个位置，也可能有 A 或 T，在第 4 个位置可能有一个 C 等，但在第 2 个位置，A 是守恒的，没有其他可能。

我可以生成一个列表，每个位置都有一个碱基，方法是将“最适合”主题转换为字母列表并替换一个字母，加入并附加到我的列表(对每个位置都这样做)。所以它基本上是硬编码的。它成功了，因为我改变了任何位置，无论输入什么主题。 但现在我想根据主题将特定位置更改为特定字母并仅存储特定排列。

因此，我正在寻找最短/最快/也许是最聪明的方法来传递位置及其有效字母的信息，以及如何为一个和两个可变位置创建排列。

请注意:我会尝试在答案中或通过编辑发布我的代码，以某种方式复制粘贴然后在标记的代码上按 ctrl+k 不起作用

Answer 1

可能有一种方法可以使用 itertools 解决这个问题，但我认为可以使用自制的置换函数足够快地完成:

example_bases = [
  "GAT",  # options for first position
  "A",    # options for second position
  "C",    # ...
  "TC",
  "G",
  "CGA"
]

def permutate(bases, results, depth=0, current_result=""):
"""Create permutations of a list of strings

All resulting strings have the length len(bases), and there will be a total
of mult([len(options) for option in bases]) total results, e.g.:
["abc", "de", "fghi"] -> 3 * 2 * 4 -> 24

:param bases: List of possible options for a base
:param results: The object which will contain all valid results
:param depth: Internal counter for current recursive depth 
:param current_result: Internal variable to keep track of progress 
"""
  if depth == len(bases):
    results.append(current_result)
  else:
    for base in bases[depth]:
      permutate(bases, results, depth+1, current_result+base)

example_results = []
permutate(example_bases, example_results)
for sequence in example_results:
  print(sequence)

打印此特定示例的 18 种可能组合:

GACTGC
GACTGG
GACTGA
GACCGC
GACCGG
GACCGA
AACTGC
AACTGG
AACTGA
AACCGC
AACCGG
AACCGA
TACTGC
TACTGG
TACTGA
TACCGC
TACCGG
TACCGA

如果您不喜欢递归或者您对代码有疑问，请随时提问。