Python - 水平打印两个字符串，带有 |

Question

我遇到了一个似乎无法解决的小格式问题。我有一些长字符串，以 DNA 序列的形式存在。我将每个字母添加到一个单独的列表中，每个字母在任一列表中都是一个单独的项目。它们的长度不等，因此我将“N”附加到两者中较短的一个。

例如:

seq1 = ['A', 'T', 'G', 'G', 'A', 'C', 'G', 'C', 'A']seq2 = ['A', 'T', 'G', 'G', 'C', 'T', 'G']

seq2 变成:['A', 'T', 'G', 'G', 'C', 'T', 'G', 'N', 'N']

目前，在比较每个列表中的字母后，我得到:

ATGG--G--

其中“-”是字母不匹配(包括“N”)。

理想情况下我想打印的是:

  seq1  ATGGACGCA
        |||||||||
  seq2  ATGG--G--

我一直在打印语句末尾使用换行符逗号，但是我无法让它工作。我想在其序列的同一行上打印每个标识符的标识符。

这是用于比较两个序列的函数:

def align_seqs(orf, query):
        orf_base = list(orf)
        query_base = list(query)

        if len(query_base) > len(orf_base):
                N = (len(query_base) - len(orf_base))
                for i in range(N):
                        orf_base.append("N")
        elif len(query_base) < len(orf_base):
                N = (len(orf_base) - len(query_base))
                for i in range(N):
                        query_base.append("N")
        align = []

        for i in range(0, len(orf_base)):
                if orf_base[i] == query_base[i]:
                        align.append(orf_base[i])
                else:
                        align.append("-")

        print ''.join(align)

目前，我只是打印我想要打印的“底部”部分。

感谢所有帮助。

Answer 1

因此，这里有一个适用于长字符串的解决方案:

s1 = 'ATAAGGATAAGGATAAGGATAAGGATAAGGATAAGGATAAGGATAAGGATAAGGATAAGG'
s2 = 'A-AAGGA-AAGGA-AAGGA-AAGGA-AAGGA-AAGGA-AAGGA-AAGGA-AAGGA-AAGG'

#assumes both sequences are of same length (post-alignment)
def print_align(seq1, seq2, length):
    while len(seq1) > 0:
        print "seq1: " + seq1[:length-6]
        print "      " + '|'*len(seq1[:length-6])
        print "seq2: " + seq2[:length-6] + "\n"
        seq1 = seq1[length-6:]
        seq2 = seq2[length-6:]

print_align(s1, s2, 30)

输出为:

seq1: ATAAGGATAAGGATAAGGATAAGG
      ||||||||||||||||||||||||
seq2: A-AAGGA-AAGGA-AAGGA-AAGG

seq1: ATAAGGATAAGGATAAGGATAAGG
      ||||||||||||||||||||||||
seq2: A-AAGGA-AAGGA-AAGGA-AAGG

seq1: ATAAGGATAAGG
      ||||||||||||
seq2: A-AAGGA-AAGG

我相信这就是你想要的。您可以使用 length 参数以使行正确显示(每行在达到该参数指定的长度后被切断)。例如，如果我调用 print_align(s1, s2, 39) 我得到:

seq1: ATAAGGATAAGGATAAGGATAAGGATAAGGATA
      |||||||||||||||||||||||||||||||||
seq2: A-AAGGA-AAGGA-AAGGA-AAGGA-AAGGA-A

seq1: AGGATAAGGATAAGGATAAGGATAAGG
      |||||||||||||||||||||||||||
seq2: AGGA-AAGGA-AAGGA-AAGGA-AAGG

当您尝试使用巨大(>1000bp)序列时，这将得到更合理的结果。

请注意，该函数采用两个长度相同的序列作为输入，因此这只是为了在完成所有硬对齐工作后很好地打印它。

P.S. 通常，在序列比对中，仅显示| 条来表示匹配核苷酸。解决方案非常简单，您应该能够弄清楚(如果您遇到问题，请告诉我)。