时间戳

首页 > 解决方案 > 在其他序列中找到频率最高的序列

python - 在其他序列中找到频率最高的序列

问题描述

我得到了 10 个 DNA 序列，每个序列由 18 个碱基组成，我被要求编写一个程序来计算所有这些序列中最常见的序列（共识）。例如，假设我有“ACTGGA”、“ACCAAT”、“CTTAGG”、“ATGAAG”

共有序列将是“A(CT)TA(GA)G”，因为在每个序列的第一个碱基位置“A”存在 3/4 次。对于每个序列的第二个碱基位置，我有 2 个带有“C”的序列和 2 个带有 "T" 的序列。到目前为止，我的共识序列看起来像 A(CT)，因为我已经确定“A”在位置 1 出现 75% 的时间，而位置 2 有 50-50% 的机会出现“T”或“C”等.所以，我将在我的共识的第二个位置包括“C”和“T”。现在我正在尝试使用 pycharm 在 python 中执行此操作，即使我不是很熟悉它。我只是想推动自己学习新的东西。我的问题是，当我将 txt 文件读入这样的 numpy 数组时：

seq_array = np.asarray(list(map(str.strip, seq)))

我的数组最终变成像 (10,) 而不是 (10,18) 的 1d，所以我不能遍历每一行和每一列来计算每个字符。那么如何将文件读入 2d 大小（10,18）？而不是迭代 every seq_array[r][c]，有没有更快的方法可以到达最频繁的序列？

标签： pythonnumpybioinformaticsdna-sequence

解决方案

您在生成多维数组时遇到的问题：

list(map(str.strip, seq))  # Returns a list of strings

list(map(list, map(str.strip, seq)))  # Will return a list of lists

seq_array = np.asarray(list(map(list, map(str.strip, seq))))

推荐阅读