【ROSALIND】【练Python，学生信】36 k-mer组成列表

如果第一次阅读本系列文档请先移步阅读【ROSALIND】【练Python，学生信】00 写在前面  谢谢配合~

题目：

k-Mer组成（k-Mer Composition）

Given: A DNA string s in FASTA format (having length at most 100 kbp).

所给：长度不超过100kb的一条DNA序列s，以FASTA给出。

Return: The 4-mer composition of s.

需得：s的4-mer组成列表。

测试数据

>Rosalind_6431

CTTCGAAAGTTTGGGCCGAGTCTTACAGTCGGTCTTGAAGCAAAGTAACGAACTCCACGG

CCCTGACTACCGAACCAGTTGTGAGTACTCAACTGGGTGAGAGTGCAGTCCCTATTGAGT

TTCCGAGACTCACCGGGATTTTCGATCCAGCCTCAGTCCAGTCTTGTGGCCAACTCACCA

AATGACGTTGGAATATCCCTGTCTAGCTCACGCAGTACTTAGTAAGAGGTCGCTGCAGCG

GGGCAAGGAGATCGGAAAATGTGCTCTATATGCGACTAAAGCTCCTAACTTACACGTAGA

CTTGCCCGTGTTAAAAACTCGGCTCACATGCTGTCTGCGGCTGGCTGTATACAGTATCTA

CCTAATACCCTTCAGTTCGCCGCACAAAAGCTGGGAGTTACCGCGGAAATCACAG

测试输出

4 1 4 3 0 1 1 5 1 3 1 2 2 1 2 0 1 1 3 1 2 1 3 1 1 1 1 2 2 5 1 3 0 2 2 1 1 1 1 3 1 0 0 1 5 5 1 5 0 2 0 2 1 2 1 1 1 2 0 1 0 0 1 1 3 2 1 0 3 2 3 0 0 2 0 8 0 0 1 0 2 1 3 0 0 0 1 4 3 2 1 1 3 1 2 1 3 1 2 1 2 1 1 1 2 3 2 1 1 0 1 1 3 2 1 2 6 2 1 1 1 2 3 3 3 2 3 0 3 2 1 1 0 0 1 4 3 0 1 5 0 2 0 1 2 1 3 0 1 2 2 1 1 0 3 0 0 4 5 0 3 0 2 1 1 3 0 3 2 2 1 1 0 2 1 0 2 2 1 2 0 2 2 5 2 2 1 1 2 1 2 2 2 2 1 1 3 4 0 2 1 1 0 1 2 2 1 1 1 5 2 0 3 2 1 1 2 2 3 0 3 0 1 3 1 2 3 0 2 1 2 2 1 2 3 0 1 2 3 1 1 3 1 0 1 1 3 0 2 1 2 2 0 2 1 1

生物学背景

        有关k-mer的介绍请参考23 按字母顺序排列的K-mer。k-mer组成（k-Mer Composition）是指每个k-mer在某序列中出现频率组成的列表，1-mer组成列表就相当于这条序列的GC含量，2-mer，3-mer和4-mer分别又被叫作二核苷酸，三核苷酸和四核苷酸组成（di-nucleotide, tri-nucleotide, and tetra-nucleotide compositions）。K-mer在物种鉴定、编码区鉴定以及序列拼接等多种序列分析过程中扮演重要的角色。

        将一条序列所有的k-mer按照字母顺序排列，其对应的出现频率也可以写成一个数组，这个数组就是这条序列的k-mer组成。

思路

        我将这个问题划分为两部分依次解决。

        第一部分：得到所有的4-mer，这里写一个排列函数，用循环的方法得到4-mer；

        第二部分：统计4-mer出现的频率，只需扫描序列，依次与每个4-mer比较即可。

代码

def perm(l1, l2):
    """用来进行排列的函数"""
    i = 0
    p = []
    while i < len(l1):
        j = 0
        while j < len(l2):
            temp = l1[i] + l2[j]
            p.append(temp)
            j += 1
        i += 1
    return p


f = open('input.txt', 'r')
input = f.readlines()
f.close()
index = input[0].replace('\n', '')
input = input[1:]
i = 0
seq = ''
while i < len(input):
    seq = seq + input[i].replace('\n', '')
    i += 1

symbol = ["A", "C", "G", "T"]
fourmers = symbol
i = 1
while len(fourmers) < 4 ** 4: # 用循环的方法得到4-mer，用4-mer自身的数量控制循环
    fourmers = perm(symbol,fourmers)


count = [0] * len(fourmers) # count存储4-mer组成
i = 0
while i < len(seq):
    temp = seq[i:i+4] # 逐个扫描序列
    j = 0
    while j < len(fourmers):
        if temp == fourmers[j]: # 与4-mer比较
            count[j] += 1
            break
        j += 1
    i += 1

i = 0
f = open('output.txt', 'a')
while i < len(count):
    # print(str(count[i]), end=' ')
    f.write(str(count[i]) + ' ')
    i += 1

f.close()