Python中怎么整理DNA序列

今天就跟大家聊聊有关Python中怎么整理DNA序列，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

给定一堆DNA序列，即由字符A, C, G, T组成的字符串，统计所有长度为n的子序列出现的频率。比如 ACGTACGT，子序列长度为2，于是 AC=2, CG=2, GT=2, TA=1，其余长度为2的子序列频率为0.

***想到的就是建一个字典，key是所有可能的子序列，value是这个子序列出现的频率。但是当子序列比较长的时候，比如 n=8，需要一个有65536 (4的8次方) 个key-value pair的字典，且每个key的长度是8字符。这样ms有点浪费内存。。

于是想到，所有的长度为n的子序列是有序且连续的，所以可以映射到一个长度为4的n次方的的list里。令 A=0, C=1, G=2, T=3，则把子序列 ACGT 转换成 0*4^3 + 1*4^2 + 2*4 + 3 = 27, 映射到list的第27位。如此，list的index对应子序列，而list这个index位置则储存这个子序列出现的频率。

于是我们先要建立2个字典，Python统计表示ACGT和0123一一对应的关系：

i2mD = {0:'A', 1:'C', 2:'G', 3:'T'}  m2iD = dict(A=0,C=1,G=2,T=3)  # This is just another way to initialize a dictionary

以及下面的子序列映射成整数函数：

def motif2int(motif):  '''convert a sub-sequence/motif to a non-negative integer'''  total = 0 for i, letter in enumerate(motif):  total += m2iD[letter]*4**(len(motif)-i-1)  return total  Test:  >>> motif2int('ACGT')  27

看完上述内容，你们对Python中怎么整理DNA序列有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。