计算最大 k 聚体重复频率

Question

如果n为3，则序列“ATATATATAG”包含4x“ATA”、3x“TAT”和1x“TAG”。因此该比例为4/8=0.5。该数字越高，序列的重复次数就越多。

编写一个函数

simple(s,n)

，其中

s

是序列，

n

是要考虑的 k 聚体的长度。该函数应返回上述比例。

有人可以帮我解决这个问题吗？

Answer 1

from nltk import ngrams
from collections import Counter


def simple(seq, n):
    return Counter(ngrams(seq, n)).most_common(1)[0][1] / float(len(seq) - n + 1)

Answer 2

这看起来像家庭作业，但至少是脑筋急转弯的那种。

提示：

itertools

、

generators

和

collections

对于解决此类问题非常方便。

import itertools
import collections

ACIDS = ('A', 'C', 'T', 'G')


def walk_seq(s, chunk_size):
    assert len(s) >= chunk_size
    for i in range(0, len(s) - chunk_size + 1):
        yield s[i:i+chunk_size]


def simple(s, n):
    snip_counts = collections.defaultdict(int)
    for chunk in walk_seq(s, n):
        for snip_tuple in itertools.product(ACIDS, repeat=n):
            snip = ''.join(snip_tuple)
            if chunk == snip:
                snip_counts[snip] += 1
    total_matches = sum(snip_counts.values())
    maxi = max(snip_counts.values())
    return float(maxi) / total_matches

print simple('ATATATATAG', 3)

Answer 3

这是一道非常好的算法题，你也可以自己尝试一下，但这里是一个几乎没有挑战性的解决方案。

s = "ATATATATAG"
n = 3

def simple(s,n):
    dictionary = {}
    total = 0
    for i in range (len(s)-(n-1)): # (n-1) to get last element
        k = i+n
        if s[i:k] in dictionary:
            dictionary[s[i:k]] += 1
        else:
            dictionary.update({s[i:k]:1})
        total += 1 # doing it here to avoid sum(dictionary.values())

    for key, value in dictionary.items():
        dictionary[key] = value/total
    # As a challenge, edit the line above to lambda function
    print(dictionary)

simple(s,n)

# sample output
#{'TAT': 0.375, 'ATA': 0.5, 'TAG': 0.125}

Answer 4

就这么简单，使用集合中的 defaultdict 和 for 循环：

>>> from collections import defaultdict
>>> 
>>> def kmer_counter(seq, k):
...     kmers = defaultdict(int)
...     for i in range(len(seq) - k + 1):
...         kmer = seq[i:i+k]
...         kmers[kmer] = kmers.get(kmer, 0) + 1
...     return kmers
... 
>>> s = "ATATATATAG"
>>> n = 3
>>> kmer_counter(s, n)
defaultdict(<class 'int'>, {'ATA': 4, 'TAT': 3, 'TAG': 1})