时间戳

首页 > 解决方案 > 如何更改for循环以有效地工作python

python - 如何更改for循环以有效地工作python

问题描述

我坚持使用这个脚本，如果你能帮助我输入你的信息，那就太好了。我的问题是我认为脚本效率不高——结束运行需要很长时间。

我有一个包含大约 9000 个序列行的 fasta 文件（下面的示例），我的脚本的作用是：

  1. 读取第一行（忽略以 开头的行>）并生成 6mers（6 个字符块）
  2. 将这些 6mers 添加到列表中
  3. 对之前的 6mers (list2) 进行反向补码
  4. 如果没有反向补码 6mer 在该行中，则保存该行。
  5. 然后转到文件中的下一行，并检查它是否包含任何反向补码 6mer（在 list2 中）。如果是，则将其丢弃。如果没有，它会保存该行，并将新行的所有反向补码 6-mers 读入 list2 - 除了已经存在的反向补码 6-mers。

我的文件：

>seq1
TCAGATGTGTATAAGAGACAGTTATTAGCCGGTTCCAGGTATGCAGTATGAGAA
>seq2
TCAGATGTGTATAAGAGACAGCGCCTTAATGTTGTCAGATGTCGAAGGTTAGAA
>seq3
TCAGATGTGTATAAGAGACAGTGTTACAGCGAGTGTTATTCCCAAGTTGAGGAA
>seq4
TCAGATGTGTATAAGAGACAGTTACCTGGCTGCAATATGGTTTTAGAGGACGAA

这是我的代码：

import sys
from Bio import SeqIO
from Bio.Seq import Seq

def hetero_dimerization():
    script = sys.argv[0]
    file1 = sys.argv[1]
    list = []
    list2 = []
    with open(file1, 'r') as file:
        for record in SeqIO.parse(file, 'fasta'):
            for i in range(len(record.seq)):
                kmer = str(record.seq[i:i + 6])
                if len(kmer) == 6:
                    list.append(kmer)
            #print(record.seq)
            #print(list)

            for kmers in list:
                C_kmer = Seq(kmers).complement()
                list2.append(C_kmer[::-1])
            #print(list2)

            cnt=0
            if any(items in record.seq for items in list2):
                cnt +=1

            if cnt == 0:
                print('>'+record.id)
                print(record.seq)
                
if __name__ == '__main__':
    hetero_dimerization()

如果您能帮助我使此代码非常高效且快速运行，那就太好了-谢谢。

标签： pythonperformancefor-loopoptimizationbiopython

解决方案

如果我没记错的话，您可以将.complement()调用拉到内部 for 循环之外。这也摆脱了第一个列表。

def hetero_dimerization():
    file1 = sys.argv[1]
    list2 = []
    with open(file1, 'r') as file:
        for record in SeqIO.parse(file, 'fasta'):

            complement = record.seq.complement()
            for i in range(len(complement)):
                kmer = str(complement[i:i + 6])
                if len(kmer) == 6:
                    list2.append(kmer[::-1])

            cnt = 0
            if any(items in record.seq for items in list2):
                cnt += 1

            if cnt == 0:
                print('>' + record.id)
                print(record.seq)

此更改将我机器上的运行时间从 20 秒减少到大约 0.5 秒——对于大约 500 个序列的相当小的样本。

推荐阅读