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。

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），為了方便生物學家們看，輸出時還是轉(zhuǎn)換回子序列比較好。

【編輯推薦】

【責任編輯：張浩 TEL：（010）68476606】

點贊 0

總結(jié)

以上是生活随笔為你收集整理的用python做频数分析_Python统计如何进行DNA序列整理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。