Rosalind Java| Computing GC Content

Rosalind编程问题之计算GC含量。

Computing GC Content

Problem
The GC-content of a DNA string is given by the percentage of symbols in the string that are ‘C’ or ‘G’. For example, the GC-content of “AGCTATAG” is 37.5%. Note that the reverse complement of any DNA string has the same GC-content.

DNA strings must be labeled when they are consolidated into a database. A commonly used method of string labeling is called FASTA format. In this format, the string is introduced by a line that begins with ‘>’, followed by some labeling information. Subsequent lines contain the string itself; the first line to begin with ‘>’ indicates the label of the next string.

In Rosalind’s implementation, a string in FASTA format will be labeled by the ID “Rosalind_xxxx”, where “xxxx” denotes a four-digit code between 0000 and 9999.

Given: At most 10 DNA strings in FASTA format (of length at most 1 kbp each).
Sample input：

>Rosalind_6404
CCTGCGGAAGATCGGCACTAGAATAGCCAGAACCGTTTCTCTGAGGCTTCCGGCCTTCCC
TCCCACTAATAATTCTGAGG
>Rosalind_5959
CCATCGGTAGCGCATCCTTAGTCCAATTAAGTCCCTATCCAGGCGCTCCGCCGAAGGTCT
ATATCCATTTGTCAGCAGACACGC
>Rosalind_0808
CCACCCTCGTGGTATGGCTAGGCATTCAGGAACCGGAGAACGCTTCAGACCAGCCCGGAC
TGGGAACCTGCGGGCAGTAGGTGGAAT

Return: The ID of the string having the highest GC-content, followed by the GC-content of that string. Rosalind allows for a default error of 0.001 in all decimal answers unless otherwise stated; please see the note on absolute error below.
Sample output：

Rosalind_0808
60.919540

GC含量是在所研究的对象的全基因组中，鸟嘌呤（Guanine）和胞嘧啶（Cytosine）在全部碱基中所占的比例。能够决定DNA的稳定性。本道题需要我们读取含有多序列的fasta文件，并且挨个计算GC含量，最终输出GC含量最高的序列开头注释信息以及其GC含量值。** 解题思路如下：

1.逐行读取fasta文件，消掉序列信息中的换行符。
2.计算每条序列的GC含量。
3.各条序列的GC含量进行对比，并获得最大GC含量。
4.输出GC含量最高的序列及其标签

因此，小编分别定义了三个子方法：

子方法1BufferedReader用来读取fasta文件并且去掉其中的序列换行符。详情请见：解决Java逐行读取带有行缩进的fasta文件
子方法2FindMaxCount获取GC含量最高值。
子方法3FindIndex获取最大的GC含量序列引索值，用以输出其对应的开头注释信息。以下是全部代码。

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;public class Computing_GC_Content {public static void main(String[] args) {//1.逐行读取fasta文件ArrayList<String> fasta = BufferedReader("C:/Users/Administrator/Desktop/rosalind_gc.txt", "fasta");//设置返回值是碱基序列。ArrayList<String> tag = BufferedReader("C:/Users/Administrator/Desktop/rosalind_gc.txt", "tag");//设置返回值是标签名称。//2.计算每条序列的GC含量float[] GCratio = new float[fasta.size()];//定义数组存储每条fasta序列的GC比例int[] GCcount = new int[fasta.size()];//定义数组存储每条fasta序列的GC含量for (int i = 0; i < fasta.size(); i++) {for (int j = 0; j < fasta.get(i).length(); j++) {if (fasta.get(i).charAt(j) == 'G' || fasta.get(i).charAt(j) == 'C') {//fasta.get(i).charAt(j)=='G'||'C' Java不支持此类型的判断语句GCcount[i]++;}}GCratio[i] = (float) GCcount[i] / fasta.get(i).length();}//3.各条序列的GC含量进行对比，并获得最大GC含量float maxcount = (float) (Math.round(FindMaxCount(GCratio) * 100000000)) / 1000000;int maxIndex = FindIndex(GCratio);//4.输出GC含量最高的序列及其标签System.out.println(tag.get(maxIndex));System.out.println(maxcount);}//子方法1.读取fasta文件并且分别存储到fasta集合和tag集合中。public static ArrayList<String> BufferedReader(String path,String choose) {//返回值类型是新建集合大类，此处是Set而非哈希。BufferedReader reader;ArrayList<String> tag = new java.util.ArrayList<String>();ArrayList<String> fasta = new java.util.ArrayList<String>();try {reader = new BufferedReader(new FileReader(path));String line = reader.readLine();StringBuilder sb = new StringBuilder();while (line != null) {//多次匹配带有“>”的行，\w代表0—9A—Z_a—z，需要转义。\W代表非0—9A—Z_a—z。if (line.matches(">[\\w*|\\W*]*")){tag.add(line);//第一个循环开始时StringBuilder为空，需要添加判断以排除此特例。if (sb.length()!=0){String seq = sb.toString();//定义字符串变量seq保存删除换行符的序列信息fasta.add(seq);sb.delete(0, sb.length());//清空StringBuilder中全部元素}}else{sb.append(line);//重新向StringBuilder添加元素}// read next lineline = reader.readLine();}String seq = sb.toString();fasta.add(seq);//循环结束还要再次输出序列，否则会丢失一条序列。reader.close();} catch (IOException e) {e.printStackTrace();}if (choose.equals("tag")){return tag;}return fasta;}//子方法2：获取最大的GC含量数字public static float FindMaxCount(float[] arr) {float max = arr[0];for (int x = 1; x < arr.length; x++) {if (max < arr[x]) {max = arr[x];}}return max;}//子方法3：获取最大的GC含量序列引索public static int FindIndex(float[] arr) {float max = arr[0];int maxValIndex = 0;for (int x = 1; x < arr.length; x++) {if (max < arr[x]) {max = arr[x];maxValIndex = x;}}return maxValIndex;}}

要留意哈，运行完全部代码并不代表着结束。你会发现输出的结果中">Rosalind_0808"是带着“>”的（示例如下），如果在上传Rosalind网站提交答案时带上了“>”，系统会自动判定为错误。请大家格外注意细节！最后手动删除“>”后再上传即可。

>Rosalind_0808
60.919540

Rosalind Java| Computing GC Content相关推荐

【Rosalind】Computing GC Content
问题描述 Problem The GC-content of a DNA string is given by the percentage of symbols in the string that ...
Rosalind Java|Matching Random Motifs
Rosalind编程问题之计算随机序列出现并匹配待比对序列的概率. 跟Rosalind Java|Introduction to Random Strings有异曲同工之妙. Matching Ran ...
Jvm 系列(六):Java 服务 GC 参数调优案例
本文介绍了一次生产环境的JVM GC相关参数的调优过程,通过参数的调整避免了GC卡顿对JAVA服务成功率的影响. 这段时间在整理jvm系列的文章,无意中发现本文,作者思路清晰通过步步分析最终解决问题. ...
java中gc是啥_java的gc是什么
一个优秀的Java程序员必须了解GC的工作原理.如何优化GC的性能.如何与GC进行有限的交互,有一些应用程序对性能要求较高,例如嵌入式系统.实时系统等,只有全面提升内存的管理效率,才能提高整个应用程序 ...
java gc 可以对方法区进行回收_浅谈 Java 之 GC
阅读本文假设你对java内存模型已有一些了解. 1.Java虚拟机中哪些内存需要回收? 先来看看jvm内存模型,如下图线程隔离的区域随线程而生,随线程而灭:程序计数器可保存着虚拟机字节码指令的地址( ...
gc java root_聊聊Java的GC机制
原标题:聊聊Java的GC机制近日,MIUI在小米全球社区发布公告,表示MIUI将在全球市场销售的手机中预装谷歌拨号及谷歌消息应用程序(中国.印度.印度尼西亚等市场除外).小米表示,小米9T Pro ...
Java的GC机制及算法
转载自 Java的GC机制及算法 GC的阶段对每个对象而言,垃圾回收分为两个阶段:finalization和reclamation. finalization: 指运行这个对象的finaliz ...
java超出gc开销_通过这5个简单的技巧减少GC开销
java超出gc开销编写代码的五种简单方法,可以提高内存效率,而无需花费更多时间或降低代码可读性垃圾回收会为您的应用程序增加多少开销? 您可能不知道确切的数字,但您确实知道总有改进的余地. 尽管自 ...
java 打开gc日志_在运行时打开GC日志记录
java 打开gc日志总是有下一个JVM表现不佳. 而且,您内心深知,如果您只有少数启动选项可以公开一些有关正在发生的事情的信息,那么您可能就有机会真正修复该死的东西. 但是不,您需要的标志( -X ...

Rosalind Java| Computing GC Content

Computing GC Content

Rosalind Java| Computing GC Content相关推荐

最新文章

热门文章