0

私は以下のようなファイル形式を持っています:

45  TCGGCGCAGCGTTAGGATTAG 44    TTTCATCTGCCGCCGTTGCCG
43  CGTTTTCGGATGGATCATTGT 43    CTTGCGACGCATTTGGATCAG
35  CCGATTGCTAATCGGCAGTTG 32    TCGCGGTATCCGTCTCTTAAT
31  TTTAATGCTAAGACTACGTGG 31    TTGTGGGTGCATCAGGATTTG
31  ACTTGGCTGGCTAATGTGCAG 31    CGTTCTCTGCGGATTTATCAG
31  TCGCCGACGCCTTATTGTAAT 30    ACGAAGCCTTAGTGGATGCTT
15  ACGATGATGATGCCTCATCTT 3     ATTACTGAGCTTAAGGCGAAG

1,000 万行あり、最初の列はオカレンス、2 番目の列は DNA シーケンスです。最初にDNAをペプチドに翻訳したい。次に、7 つの位置 (列) での 20 アミノ酸の全体的な出現、6 つの位置での 400 のアミノ酸ペアの全体的な出現、5 つの位置での 8000 のアミノ酸三量体の全体的な出現、および 4 つの位置での 160000 の全体的な出現を計算します。これが私のコードです：

#!/usr/bin/env python
#!/usr/bin/env python
def fre(aa,cn):
    import numpy as np
    m=len(aa)
    position_monomer=np.zeros((m,7))
    position_dimer=np.zeros((m,6))
    position_trimer=np.zeros((m,5))
    position_tetramer=np.zeros((m,4))
    fre_monomer=np.zeros((20,7))
    fre_dimer=np.zeros((400,6))
    fre_trimer=np.zeros((8000,5))
    fre_tetramer=np.zeros((160000,4))
    aa_default=['A','C','D','E','F','G','H','I','K','L','M','N','P','Q','R','S','T','V','W','Y']
    for i in xrange(m):
        for j in xrange(7):
            position_monomer[i][j]=aa_default.index(aa[i][j])
            fre_monomer[position_monomer[i][j]][j]=fre_monomer[position_monomer[i][j]][j]+cn[i]

    for i in xrange(m):
        for j in xrange(6):
            position_dimer[i][j]=20*aa_default.index(aa[i][j])+aa_default.index(aa[i][j+1])
            fre_dimer[position_dimer[i][j]][j]=fre_dimer[position_dimer[i][j]][j]+cn[i]

    for i in xrange(m):
        for j in xrange(5):
            position_trimer[i][j]=400*aa_default.index(aa[i][j])+20*aa_default.index(aa[i][j+1])+aa_default.index(aa[i][j+2])
            fre_trimer[position_trimer[i][j]][j]=fre_trimer[position_trimer[i][j]][j]+cn[i]

    for i in xrange(m):
        for j in xrange(4):
            position_tetramer[i][j]=8000*aa_default.index(aa[i][j])+400*aa_default.index(aa[i][j+1])+20*aa_default.index(aa[i][j+2])+aa_default.index(aa[i][j+3])
            fre_tetramer[position_tetramer[i][j]][j]=fre_tetramer[position_tetramer[i][j]][j]+cn[i]

    return fre_monomer,fre_dimer,fre_trimer,fre_tetramer 

#!/usr/bin/env python
#!/usr/bin/env python
from __future__ import division
import numpy as np
from Position import fre
from Xdelete import X_delete
from Bio.Seq import translate
import time

start=time.clock()
textfile = open(r"C:\Users\Shangyang Li\Desktop\FINAL 8 DATA SETS\illumina_phd7_allseqs.txt","r")

data = []
copy_number=[]
DNA=[]
peptide=[]

for line in textfile:
    data.append(line.split())

for row in range(len(data)):
    copy_number.append(int(data[row][0]))
    DNA.append(data[row][1])

peptide=[translate(line) for line in DNA]
(peptides,copy_numbers)=X_delete(peptide,copy_number)

(fre_monomer,fre_dimer,fre_trimer,fre_tetramer)=fre(peptides,copy_numbers)

しかし、単量体、二量体、三量体、四量体の周波数をできるだけ早く取得したいので、現在は 30 分で 1000 万のデータ サイズになります。この問題に対処するためにマルチプロセッシングを使用したいのですが、使用方法がわかりません。

4

1 に答える 1

0

いくつかのループを組み合わせてみてください。2 つの外側のループがまったく同じ反復を行っている場合は、それらの内側のループを結合して、外側の反復を回避します。

for i in xrange(m):
    for j in xrange(7):
        ....

for i in xrange(m):
    for j in xrange(6):
        ....

なる:

for i in xrange(m):
    for j in xrange(7):
        ....
    for j in xrange(6):
        ....

index()また、内部でリスト全体を反復処理する必要があることが多いため、一部の呼び出しを回避できるかどうかを確認してください。

于 2012-10-22T23:48:58.537 に答える