Skip to main content
 首页 » 编程设计

python之DNA 从字符串列表中找到所有匹配项 (python 2.7)

2025年05月04日31webabcd

嘿,所以我有一串字母(它是 DNA),我还有一个来自另一个序列的切片 DNA 列表。我想在我的字符串中找到列表中所有出现的任何项目。 基本上:

data_1 = "ATGCTGCATGTCATGTGCTGATCTG" 
wild_type = ["A", "TG", "ATGC", "ATG", "TGCT", "GTA", "GTACT", "GT", "CT"] 

我希望输出是 data_1 中的索引列表,其中找到了来自 wild_type 的匹配项。

此外,我想找到匹配的最长片段。所以对于字符串的第一部分,A,ATG,ATGC都匹配,所以我不需要它吐出[0,1,2,3],而只是 [0,3](一个范围)

我尝试使用 finditer,但我不知道如何将我的列表或字符串放在那里。任何帮助将不胜感激!

请您参考如下方法:

对于您的第一个问题,您必须编写一个函数来完全满足您的要求,它获取两个字符串,然后返回第一个出现第二个的索引:

def my_find(str1,str2): 
    start = 0 
    end = len(str1) 
    all_finds = [] 
    while str1.find(str2,start,end) != -1 : 
        x = str1.find(str2,start,end) 
        all_finds.append(x) 
        start = x+1 
 
    return all_finds 

然后检查所有野生类型:

for item in wild_type : 
    print my_find(data_1,item) 

结果是这样的:

[0, 7, 12, 20] 
[1, 4, 8, 13, 15, 18, 23] 
[0] 
[0, 7, 12] 
[1, 15] 
[] 
[] 
[9, 14] 
[3, 17, 22] 

如果你检查你看到第一个是“A”,它首先出现在索引 0 然后 7 和 ....

对于你的第二个问题,有两种方法!第一种更容易但更慢,第二种更难实现但更快!取决于你的数据集大小,你必须选择一个:

1-暴力破解!:
对于所有的野生类型,检查它!如果你能在 data_1 中找到最长的野生类型,那么它就是最长的普通字符串!因为没有字符串会比最长的野生类型长 :))

>>> max_len = -1 
>>> max_cut = [-1,-1] 
>>> for item in wild_type: 
    if my_find(data_1,item) and len(item) > max_len: 
        max_len = len(item) 
        max_cut[0] = my_find(data_1,item)[0] 
        max_cut[1] = my_find(data_1,item)[0]+len(item) 
 
 
>>> max_len 
4 
>>> max_cut 
[0, 4] 
>>>  

2- 搜索 LCS python 实现,(LCS = 最长公共(public)子串):
它使用动态规划方法并解决了您的问题