python - DNA シーケンスの 1 つのホット エンコーディングを生成する方法は?

Question

一連の DNA シーケンスに対して 1 つのホット エンコーディングを生成したいと考えています。たとえば、シーケンス ACGTCCA は、転置方式で次のように表すことができます。しかし、以下のコードは、私が垂直形式で好む水平方向の 1 つのホット エンコーディングを生成します。誰でも私を助けることができますか？

ACGTCCA 
1000001 - A
0100110 - C 
0010000 - G
0001000 - T

コード例:

from sklearn.preprocessing import OneHotEncoder
import itertools

# two example sequences
seqs = ["ACGTCCA","CGGATTG"]


# split sequences to tokens
tokens_seqs = [seq.split("\\") for seq in seqs]

# convert list of of token-lists to one flat list of tokens
# and then create a dictionary that maps word to id of word,
# like {A: 1, B: 2} here
all_tokens = itertools.chain.from_iterable(tokens_seqs)
word_to_id = {token: idx for idx, token in enumerate(set(all_tokens))}

# convert token lists to token-id lists, e.g. [[1, 2], [2, 2]] here
token_ids = [[word_to_id[token] for token in tokens_seq] for tokens_seq in tokens_seqs]

# convert list of token-id lists to one-hot representation
vec = OneHotEncoder(n_values=len(word_to_id))
X = vec.fit_transform(token_ids)

print X.toarray()

ただし、コードから出力が得られます。

[[ 0.  1.]
 [ 1.  0.]]

期待される出力:

[[1. 0. 0. 0. 0. 0. 1. 0. 1. 0. 0. 1. 1. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]
[0. 0. 0. 1. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 0. 1. 0. 0. 0. 0. 1. 1. 0.]]