gpt4 book ai didi

python - DNA 搜索序列正则表达式中存在多个不匹配

转载 作者:行者123 更新时间:2023-11-30 23:47:05 28 4
gpt4 key购买 nike

我编写了这个野蛮的脚本来创建字符串的排列,其中在字符串中所有可能的位置组合中包含 n 个(最多 n=4)个 $。我最终将 .replace('$','(\\w)') 用于 dna 搜索序列中的不匹配。由于我编写脚本的方式,某些排列的 $ 数量少于请求的数量。然后我编写了一个脚本来删除它们,但它似乎没有效果,并且每次运行删除脚本时,它都会删除更多不需要的排列。在下面粘贴的代码中,您将看到我使用具有 4 个不匹配的简单序列来测试该函数。然后,我运行一系列删除脚本,计算每次删除的表达式数量...根据我的经验,删除所有少于 4 个通配符 $ 的表达式大约需要 8 次。我对此有几个问题:

  1. 是否有内置函数可用于搜索“n”个不匹配项?也许甚至在biopython中?到目前为止,我已经看到了 Paul_McGuire_regex 函数:
    Search for string allowing for one mismatch in any location of the string ,
    这似乎只会产生 1 个不匹配。我必须承认,我并不完全理解该页面上其余函数中的所有代码,因为我是一个非常新的编码员。

  2. 既然我认为这对我来说是一个很好的练习,那么有没有更好的方法来编写整个脚本?...我可以根据需要多次迭代 Paul_McGuire_regex 函数吗?

  3. 最让我困惑的是,为什么删除脚本第一次不能 100% 工作?

感谢您提供的任何帮助!

def Mismatch(Search,n):
List = []
SearchL = list(Search)
if n > 4:
return("Error: Maximum of 4 mismatches")
for i in range(0,len(Search)):
if n == 1:
SearchL_i = list(Search)
SearchL_i[i] = '$'
List.append(''.join(SearchL_i))
if n > 1:
for j in range (0,len(Search)):
if n == 2:
SearchL_j = list(Search)
SearchL_j[i] = '$'
SearchL_j[j] = '$'
List.append(''.join(SearchL_j))
if n > 2:
for k in range(0,len(Search)):
if n == 3:
SearchL_k = list(Search)
SearchL_k[i] = '$'
SearchL_k[j] = '$'
SearchL_k[k] = '$'
List.append(''.join(SearchL_k))
if n > 3:
for l in range(0,len(Search)):
if n ==4:
SearchL_l = list(Search)
SearchL_l[i] = '$'
SearchL_l[j] = '$'
SearchL_l[k] = '$'
SearchL_l[l] = '$'
List.append(''.join(SearchL_l))
counter=0
for el in List:
if el.count('$') < n:
counter+=1
List.remove(el)
return(List)

List_RE = Mismatch('abcde',4)

counter = 0
for el in List_RE:
if el.count('$') < 4:
List_RE.remove(el)
counter+=1

print("Filter2="+str(counter))

最佳答案

我们可以通过回答问题 1 来消除问题 2 和问题 3,但理解问题 3 很重要,因此我将首先这样做,然后向您展示如何完全避免它:

问题 3

关于问题 3,这是因为当您在 python 中循环列表并在循环内对其进行更改时,循环的列表会发生变化。

来自python docs on control flow (for statement section) :

It is not safe to modify the sequence being iterated over in the loop (this can only happen for mutable sequence types, such as lists).

假设您的列表是[a,b,c,d],然后使用for el in List循环遍历它。假设 el 当前是 a 并且您执行 List.remove(el)

现在,您的列表是[b,c,d]。然而,迭代器指向列表中的第二个元素(因为它已经完成了第一个元素),现在是 c。本质上,您已经跳过了b。所以问题是您正在修改正在迭代的列表。

有几种方法可以解决这个问题:如果您的列表复制起来并不昂贵,您可以制作一个副本。因此,迭代 List[:] 但从 List 中删除。

但是假设一直复制 List 的成本很高。然后你要做的就是向后迭代它。请注意下面的反转:

for el in reversed(List):
if el.count('$') < n:
counter+=1
List.remove(el)
return(List)

在上面的示例中,假设我们向后迭代 List。迭代器从d 开始,然后转到c。假设我们删除c,因此List=[a,b,d]。由于迭代器向后,它现在指向元素b,因此我们没有跳过任何内容。

基本上,这可以避免修改尚未迭代的列表的位。

问题 1 和 2

如果我正确理解你的问题,你基本上想从 m 个位置中选择 n ,其中 m 是字符串的长度(abcde),并在这 n 个位置中的每个位置放置一个“$”。

在这种情况下,您可以使用 itertools 模块来执行此操作。

import itertools
def Mismatch(Search,n):
SearchL = list(Search)
List = [] # hold output
# print list of indices to replace with '$'
idxs = itertools.combinations(range(len(SearchL)),n)
# for each combination `idx` in idxs, replace str[idx] with '$':
for idx in idxs:
str = SearchL[:] # make a copy
for i in idx:
str[i]='$'
List.append( ''.join(str) ) # convert back to string
return List

让我们看看它是如何工作的:

  1. Search 字符串转换为列表,以便可以对其进行迭代,创建空的 List 来保存结果。
  2. idxs = itertools.combinations(range(len(SearchL)),n) 表示“查找集合中长度为 n 的所有子集 [0,1,2, 3,...,搜索字符串长度-1]。尝试一下

    idxs = itertools.combinations(range(5),4)
    for idx in idxs:
    print idx

    明白我的意思。

  3. idxs 的每个元素都是从 0 到 len(SearchL)-1n 个索引的元组(例如 (0 ,1,2,4)。对于元组中的每个 i,将 SearchL 的第 i 个字符替换为“$”。
  4. 将结果转换回字符串并将其添加到 List 中。

举个例子:

Mismatch('abcde',3)
['$$$de', '$$c$e', '$$cd$', '$b$$e', '$b$d$', '$bc$$', 'a$$$e', 'a$$d$', 'a$c$$', 'ab$$$']
Mismatch('abcde',4) # note, the code you had made lots of duplicates.
['$$$$e', '$$$d$', '$$c$$', '$b$$$', 'a$$$$']

关于python - DNA 搜索序列正则表达式中存在多个不匹配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8509259/

28 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com