问使用Python在DNA链上生成突变频率

EN

你问我关于打印所有可能的突变的函数，这就是。输出的数量随着输入数据的长度呈指数增长，因此函数只打印可能性，而不以某种方式存储它们(这会消耗大量内存)。我创建了一个递归函数，这个函数不应该用很大的输入，我还会添加一个非递归函数，它的工作没有问题或限制。

def print_all_possibilities(dna, mutations, index = 0, print = print):
    if index < 0: return #invalid value for index

    while index < len(dna):
        if chr(dna[index]) in mutations:
            print_all_possibilities(dna, mutations, index + 1)
            dnaCopy = bytearray(dna)
            dnaCopy[index] = ord(mutations[chr(dna[index])])
            print_all_possibilities(dnaCopy, mutations, index + 1)

            return
        index += 1
    print(dna.decode("ascii"))

# for testing
print_all_possibilities(bytearray(b"AAAATTTT"), {"A": "T"})

这对于我在python 3上是有用的，如果您愿意的话，我也可以解释代码。

注意:这个函数需要一个字节数组，就像函数测试中给出的那样。

解释：

这个函数在dna中搜索一个可能发生突变的位置，从索引开始，所以它通常从0开始，一直到最后。这就是为什么每次执行循环时都增加索引的while-循环是for (它基本上是一个正常的迭代，就像for循环一样)。如果函数找到可以发生突变的位置(if chr(dna[index]) in mutations:)，那么它会复制dna并允许第二个变异(dnaCopy[index] = ord(mutations[chr(dna[index])])，注意字节数组是一个数值数组，所以我一直使用chr和ord在字符串和int之间进行更改)。在那之后，这个函数再次被调用来寻找更多的可能的突变，所以这些函数再次寻找两个可能的dna中可能的突变，但是它们跳过了他们已经扫描过的点，所以它们开始于index + 1。在此之后，打印的顺序将传递给被调用的函数print_all_possibilities，因此我们不必再做任何事情，并且退出使用return的执行。如果我们没有发现任何突变，我们打印我们可能的dna，因为我们不再调用该功能，所以没有其他人会这样做。

这听起来可能很复杂，但它或多或少是一个优雅的解决方案。另外，要理解递归，你必须理解递归，所以如果你现在还不理解递归，就不要费心了。如果你在一张纸上试用这个方法会有帮助:把一个简单的dna字符串"TTATTATTA“与可能的突变"A”-> "T“(所以我们有8种可能的突变)一起做，然后这样做:从左到右遍历字符串，如果你找到一个位置，序列可以变异(这里只是”A“)，再次写下这条字符串，这一次让字符串在给定的位置发生变异，这样你的第二个字符串就和原来的稍有不同了。在原件和副本中，标记你走了多远(可能在你允许变异的字母后面加上一个“x”)，并将这个过程与副本作为新的原件重复。如果您没有发现任何可能的变异，那么在字符串下划线(这相当于打印它)。最后，您应该有8个不同的字符串，所有下划线。我希望这能有助于理解它。

编辑:这里的是非递归函数：

def print_all_possibilities(dna, mutations, printings = -1, print = print):
    mut_possible = []
    for index in range(len(dna)):
        if chr(dna[index]) in mutations: mut_possible.append(index)

    if printings < 0: printings = 1 << len(mut_possible)
    for number in range(min(printings, 1 << len(mut_possible)):
        dnaCopy = bytearray(dna) # don't change the original
        counter = 0
        while number:
            if number & (1 << counter):
                index = mut_possible[counter]
                dnaCopy[index] = ord(mutations[chr(dna[index])])
                number &= ~(1 << counter)
            counter += 1

        print(dnaCopy.decode("ascii"))

# for testing
print_all_possibilities(bytearray(b"AAAATTTT"), {"A": "T"})

该函数附带一个附加参数，可以控制最大输出的数量。

print_all_possibilities(bytearray(b"AAAATTTT"), {"A": "T"}, 5)

将只打印5个结果。

Explanation:

如果你的dna有x个可能发生变异的位置，那么你就有2^x可能的突变，因为dna在每一个地方都可以变异。这个函数找到你的dna可以变异的所有位置，并将它们存储在mut_possible中(这是for循环的代码)。现在，mut_possible包含了dna可以变异的所有位置，因此我们有2^ len(mut_possible) (len(mut_possible)是mut_possible中元素的数量)可能的突变。我写了1 << len(mut_possible)，它是一样的，但更快。如果printings是负数，则函数将决定打印所有可能性，并将打印设置为可能性数。如果打印为正数，但低于可能性数，则函数将只打印printings突变，因为min(printings, 1 << len(mut_possible))将返回较小的数字，即printings。否则，函数将打印出所有的可能性。现在我们有了number通过range(...)，所以这个循环，每次打印一个突变，将执行所需的次数。而且，每次都会增加一个。(例如，范围(4)是相似的！到0，1，2，3)。接下来，我们使用数字来创建一个突变。要理解这一步，您必须了解二进制数。如果我们的数字是10，它是二进制1010。这些数字告诉我们我们必须在哪里修改dna代码(dnaCopy)。第一个位是0，所以我们不修改可能发生突变的第一个位置，下一个位是1，所以我们修改这个位置，然后是0等等……若要“读取”使用变量counter的位，请执行以下操作。number & (1 << counter)将返回一个非零值，如果设置了counter第四位，那么如果设置了这个位，我们就会在可能发生突变的counter第四位置修改我们的dna。这是用mut_possible编写的，所以我们想要的位置是mut_possible[counter]。当我们在那个位置变异我们的dna后，我们把这个位设置为0，以表明我们已经修改了这个位置。这是用number &= ~(1 << counter)完成的。在此之后，我们增加计数器来查看其他位元。如果number不是0，则while循环将继续执行，因此，如果number至少设置了一位(如果我们必须修改至少一个dna位置)。在我们修改了dnaCopy之后，we循环就完成了，我们打印结果。

我希望这些解释能有所帮助。我发现你对python是新手，所以如果您有任何进一步的问题，请花时间让它沉入其中，并与我联系。

看完我的文章后，这个问题似乎很容易回答。很有可能我误解了什么，所以如果我错了，请纠正我。

如果你想要5%的机会用A改变T，那么你应该写

mutate(yourString, {"A": "T"}, 0.05)

我还建议您使用字节数组而不是字符串。字节数组类似于字符串，它只能包含字节(值从0到255)，而字符串可以包含更多的字符，但是字节数组是可变的。通过使用字节数组，您不需要创建临时列表或最终加入它。如果这样做，您的代码如下所示：

import random
def mutate(dna, mutation, threshold):
    if isinstance(dna, str):
        dna = bytearray(dna, "utf-8")
    else:
        dna = bytearray(dna)

    for index in range(len(dna)):
        if chr(dna[index]) in mutation and random.random() < threshold:
                dna[index] = ord(mutation[chr(dna[index])])

    return dna

dna = "ATGTCGTACGTTTGACGTAGAG"
print("DNA first:", dna)
newDNA = mutate(dna, {"A": "T"}, 0.05)
print("DNA now:", newDNA.decode("ascii")) #use decode to make newDNA a string

在我遇到了字节数组版本的所有愚蠢问题之后，下面是对字符串进行操作的版本：

import random
def mutate(string, mutation, threshold):
    dna = list(string)
    for index, char in enumerate(dna):
        if char in mutation:
            if random.random() < threshold:
                dna[index] = mutation[char]

    return ''.join(dna)

dna = "ATGTCGTACGTTTGACGTAGAG"
print("DNA first:", dna)
newDNA = mutate(dna, {"A": "T"}, 0.05)
print("DNA now:", newDNA)

如果使用具有较大输入的字符串版本，则计算时间和所使用的内存都会更大。当你想用更大的输入来完成这个任务时，字节数组版本将是最好的。