Python統(tǒng)計在我們的使用中有很多的障礙，其中在DNA序列上的相關(guān)問題就需要我們不斷的去學(xué)習。下面我們就向大家介紹有關(guān)的問題，希望在以后Python統(tǒng)計的使用過程中有所收獲。

創(chuàng)新互聯(lián)建站專注于網(wǎng)站建設(shè)|網(wǎng)頁維護|優(yōu)化|托管以及網(wǎng)絡(luò)推廣，積累了大量的網(wǎng)站設(shè)計與制作經(jīng)驗，為許多企業(yè)提供了網(wǎng)站定制設(shè)計服務(wù)，案例作品覆蓋砂巖浮雕等行業(yè)。能根據(jù)企業(yè)所處的行業(yè)與銷售的產(chǎn)品，結(jié)合品牌形象的塑造，量身定制品質(zhì)網(wǎng)站。

給定一堆DNA序列，即由字符A, C, G, T組成的字符串，統(tǒng)計所有長度為n的子序列出現(xiàn)的頻率。比如 ACGTACGT，子序列長度為2，于是 AC=2, CG=2, GT=2, TA=1，其余長度為2的子序列頻率為0.

***想到的就是建一個字典，key是所有可能的子序列，value是這個子序列出現(xiàn)的頻率。但是當子序列比較長的時候，比如 n=8，需要一個有65536 (4的8次方) 個key-value pair的字典，且每個key的長度是8字符。這樣ms有點浪費內(nèi)存。。

于是想到，所有的長度為n的子序列是有序且連續(xù)的，所以可以映射到一個長度為4的n次方的的list里。令 A=0, C=1, G=2, T=3，則把子序列 ACGT 轉(zhuǎn)換成 0*4^3 + 1*4^2 + 2*4 + 3 = 27, 映射到list的第27位。如此，list的index對應(yīng)子序列，而list這個index位置則儲存這個子序列出現(xiàn)的頻率。

于是我們先要建立2個字典，Python統(tǒng)計表示ACGT和0123一一對應(yīng)的關(guān)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數(shù)函數(shù)：

 
 
 

  
  
  
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 
 
 
 

以上就是對Python統(tǒng)計的相關(guān)介紹。雖然我們內(nèi)部把子序列當成正整數(shù)來存儲（確切地說，其實這個整數(shù)是沒有存在內(nèi)存里的，而是由其在list的index表示的），為了方便生物學(xué)家們看，輸出時還是轉(zhuǎn)換回子序列比較好。

【編輯推薦】

1. Python字符串如何進行代碼替換
2. Python輸入方式具體的三種實現(xiàn)方式
3. Python編程語言維和受到眾人的追捧
4. Python編程語言具有相當高的適應(yīng)能力
5. Python字符串替換如何才能進行字符的拆分

本文名稱：Python統(tǒng)計如何進行DNA序列整理
網(wǎng)站地址：http://uogjgqi.cn/article/cohsidp.html