1

DNA配列のリストから始めて、可能なすべてのコンセンサス（各位置で最高のヌクレオチド頻度を持つ結果の配列）配列を返さなければなりません。いくつかの位置でヌクレオチドが同じ最高頻度を持つ場合、最高頻度で可能なすべての組み合わせを取得する必要があります。見返りとして、プロファイル マトリックス (各配列の各ヌクレオチドの頻度を含むマトリックス) も必要です。

これはこれまでの私のコードです (ただし、コンセンサス シーケンスは 1 つしか返されません)。

seqList = ['TTCAAGCT','TGGCAACT','TTGGATCT','TAGCAACC','TTGGAACT','ATGCCATT','ATGGCACT']
n = len(seqList[0])
profile = { 'T':[0]*n,'G':[0]*n ,'C':[0]*n,'A':[0]*n }

for seq in seqList:

    for i, char in enumerate(seq):
        profile[char][i] += 1



consensus = ""
for i in range(n):
    max_count = 0
    max_nt = 'x'
    for nt in "ACGT":
        if profile[nt][i] > max_count:
            max_count = profile[nt][i]
            max_nt = nt
    consensus += max_nt
print(consensus)
for key, value in profile.items():
     print(key,':', " ".join([str(x) for x in value] ))

TTGCAACT
C : 0 0 1 3 2 0 6 1
A : 2 1 0 1 5 5 0 0
G : 0 1 6 3 0 1 0 0
T : 5 5 0 0 0 1 1 6

(ご覧のとおり、4 位では、C と G が同じ最高スコアを持っています。つまり、2 つのコンセンサス シーケンスを取得する必要があります)

このコードを変更して、考えられるすべてのシーケンスを取得することは可能ですか? または、正しい結果を取得するロジック (疑似コード) を説明していただけますか?

事前にどうもありがとうございました！

4

1 に答える 1

1

もっと良い方法があると思いますが、これは簡単な方法です：

bestseqs = [[]]
for i in range(n):
    d = {N:profile[N][i] for N in ['T','G','C','A']}
    m = max(d.values())
    l = [N for N in ['T','G','C','A'] if d[N] == m]
    bestseqs = [ s+[N] for N in l for s in bestseqs ]

for s in bestseqs:
    print(''.join(s))

# output:
ATGGAACT
ATGCAACT
于 2016-07-26T10:26:33.543 に答える