本地Python中的DNA序列對齊（無biopython）

我有一個有趣的遺傳學問題，我想在本機Python中解決（沒有任何標準庫）。這是爲了使解決方案在任何計算機上都可以很容易地使用，而不需要用戶安裝額外的模塊。本地Python中的DNA序列對齊（無biopython）

這。我從454新一代測序運行中獲得了100,000個DNA序列（高達20億個）。我想修剪四肢，以移除兩端可能存在的引物，包括正常序列和有義序列。例如：

seq001: ACTGACGGATAGCTGACCTGATGATGGGTTGACCAGTGATC 
     --primer-1---     --primer-2-

引物可以是本一次或多次（一個右後等）。正常的意義總是在左邊，而在右邊則是相反的。因此，我的目標是找到引物，剪切序列，使得只剩下無引物的部分。爲此，我想使用已經在本地Python中實現的經典對齊算法（即：Smith-Waterman）（即：不通過biopython）。我意識到這可能需要一段時間（長達數小時）。

注意：這不是一個直接的「單詞」搜索，因爲序列和引物中的DNA都可以因多種技術原因而「突變」。

你會用什麼？

來源

2010-03-10 Morlock

模糊正則表達式的鏈接這是一個商業項目，大學研究項目，還是僅僅爲了好玩？ – 2010-03-10 23:04:32

@Christian Oudard這是一個大學研究項目。 – Morlock 2010-03-11 15:09:01

簡要研究該算法，這不是件容易的事情。這將需要一些非常嚴肅的算法工作。嘗試重新調整你的期望從「小時」到「幾天或幾周」。

編程實現，這將需要：

一般Python編程高能力
算法編程經驗，並且時間複雜度有很好的理解。
對dict，set和deque等python數據結構及其複雜性特徵的理解。
熟悉unittests。

這個程序員現在可能也可能不會。這聽起來像一個很棒的項目，祝你好運！

來源

2010-03-10 23:04:07

@Christian Oudard我暗示的時間（小時）指的是算法可能需要的時間，而不是創建它需要多長時間:)從我發現的情況來看，我寧願決定深入探索使用遺傳學領域已有的可用（和質量）工具。自從你完成了我釘了一半的釘子，同時反思了在這裏重新發明輪子的適當性以來，我給了你'答案'。乾杯! – Morlock 2010-03-11 02:48:41

這裏有大約是問題的文件：

Rocke, On finding novel gapped motifs in DNA sequences, 1998。

希望通過該論文及其參考文獻，以及其他引用上述內容的論文，您可以找到許多關於算法的想法。你不會找到python代碼，但是你可能會發現你可以用Python實現的算法的描述。

來源

2010-03-10 19:55:25

謝謝希思。但是，我確實在尋找Python實現:)乾杯！ – Morlock 2010-03-10 19:57:59

你可以很簡單地使用正則表達式來做到這一點？我不認爲這會很複雜！事實上，我剛剛完成了一些代碼，爲大學裏的其中一個人做了與此相似的代碼！

如果不尋找確切的引物拷貝，由於突變，那麼可以應用模糊匹配的元素！我也很乾脆找了確切的底漆的版本在開始和結束相匹配，並且使用下面的代碼返回的值減去那些引：

pattern = "^" + start_primer + "([A-Z]+)" + end_primer + "$" # start primer and end primer are sequences you are looking to match 
regex = re.match(pattern, sequence) # sequence is the DNA sequence you are analyzing 
print regex.group(1) # prints the sequence between the start and end primers

下面是蟒蛇http://hackerboss.com/approximate-regex-matching-in-python/

來源

2010-09-10 08:01:41 gawbul

爲什麼-1？總是很高興知道如何改善我的答案！ – gawbul 2012-01-23 16:52:52

本地Python中的DNA序列對齊（無biopython）

回答

相關問題