C语言输出重复序列的序号,如何在FASTA序列中找到反向重复模式？

我是Python和生物信息学的新手,但我正在通过rosalind.info网站学习两种方法.您可以使用后缀树执行此操作.后缀树(见

http://en.wikipedia.org/wiki/Suffix_tree)是神奇的数据结构,它使生物信息学中的所有事情成为可能.您可以快速找到多个长序列中的公共子串.后缀树只需要线性时间,因此长度10,000,000是可行的.

所以首先找到序列的反向补码.然后将两者放入后缀树中,找到它们之间的公共子串(最小长度).

下面的代码使用了这个后缀树实现：http://www.daimi.au.dk/~mailund/suffix_tree.html.它是用C语言编写的,带有Python绑定.它不会处理大量的序列,但是两个没有问题.但是我不能说这是否会处理长度10,000,000.

from suffix_tree import GeneralisedSuffixTree

baseComplement = { 'A' : 'T', 'C' : 'G', 'G' : 'C', 'T' : 'A' }

def revc(seq):

return "".join([baseComplement[base] for base in seq[::-1]])

data = "AGGGTTTCCCTGACCTTCACTGCAGGTCATGCA"

# revc TGCATGACCTGCAGTGAAGGTCAGGGAAACCCT

# 012345678901234567890123456789012

# 1 2 3

minlength = 6

n = len(data)

tree = GeneralisedSuffixTree([data, revc(data)])

for shared in tree.sharedSubstrings(minlength):

#print shared

_, start, stop = shared[0]

seq = data[start:stop]

_, rstart, rstop = shared[1]

rseq = data[n-rstop:n-rstart]

print "Match: {0} at [{1}:{2}] and {3} at [{4}:{5}]".format(seq, start, stop, rseq, n-rstop, n-rstart)

这会产生输出

Match: AGGTCA at [23:29] and TGACCT at [10:16]

Match: TGACCT at [10:16] and AGGTCA at [23:29]

Match: CTGCAG at [19:25] and CTGCAG at [19:25]

它每次匹配两次,每次一次.那里也有反向回文！

C语言输出重复序列的序号,如何在FASTA序列中找到反向重复模式？相关推荐

R语言使用str_replace函数和str_replace_all函数替换字符串中匹配到的模式：str_replace函数替换第一个匹配到的字符串、str_replace_all函数替换所有匹配到的
R语言使用str_replace函数和str_replace_all函数替换字符串中匹配到的模式:str_replace函数替换第一个匹配到的字符串.str_replace_all函数替换所有匹配到的 ...
Java面试题：在一个递增的数组里面，找出任意两个数的和等于100，编写程序输出这些数对，可以假设数组中不存在重复元素
本文使用两种算法来实现,分别是二分查找法和插值查找法,发现插值查找法更好,更快地找到需要的数据. 代码如下: package com.moson.search;import java.util.Arr ...
如何在R代码中找到一个值的行号
如何在R代码中找到一个值的行号? 例如: 在以下一组值中,如何在第4列中找到特定值的行号? 如何使用R代码命令找到列4中的值"1578"的行号. > mydata_2sex ...
c语言如何输入矩阵_如何在 COMSOL 软件中调试外部材料
问题描述我实现了一种用于"结构力学"的外部材料,但我的模型无法求解. 解决方法外部材料一般通过 C 语言编码,然后被编译到共享库中,供 COMSOL Multiphysics ...
perl应用：SNP的提取（2）：从对比序列中找到SNP位点并输出 a.pl
我们从第一步中得到的是一个如下的文件: ##maf version=1 scoring=lastz.v1.02.00 # lastz.v1.02.00 --ambiguous=iupac --notr ...
android 代码省电模式,我们将向您展示如何在Android8.0Oreo中自定义省电模式
通过限制后台服务,禁用动画以及执行各种其他调整,Android上的节电模式可以非常有效地延长电池寿命.但是,它采用了一些额外的措施,其中一些措施似乎过分或不必要.例如,振动是否真的使用足够的功率来证明 ...
r语言msar如何用_如何在jupyter notebook中使用R语言
前人之述备矣,然则操作系统不同,软件版本相异,软件安装途径有别,只为于jupyter中使用R,所遇之难 ,得无异乎? 问题陈述操作系统:win10 64 软件叙述:安装了anaconda, R(不是 ...
c 语言函数返回数组_如何在C ++函数中返回数组
c 语言函数返回数组介绍 (Introduction) In this tutorial, we are going to understand how we can return an arra ...
反向输出dna序列_在DNA序列中寻找反向重复序列
我有一长串DNA序列,我需要找到由间隔序列侧翼的两个回文序列组成的区域. 输入是: cgtacacgagtagtcgtagctgtcagtcgatcgtacgtacgtagctgctgtagcacta ...

C语言输出重复序列的序号,如何在FASTA序列中找到反向重复模式？

C语言输出重复序列的序号,如何在FASTA序列中找到反向重复模式？相关推荐

最新文章

热门文章

C语言 输出重复序列的序号,如何在FASTA序列中找到反向重复模式？

C语言 输出重复序列的序号,如何在FASTA序列中找到反向重复模式？相关推荐

最新文章

热门文章

C语言输出重复序列的序号,如何在FASTA序列中找到反向重复模式？

C语言输出重复序列的序号,如何在FASTA序列中找到反向重复模式？相关推荐