快速 Python 短 DNA 字符串比较

Question

我有一个 8bp 的字符串 testStr

ACTGACTG

我想将它与 8bp 字符串的绿色列表进行比较 greenList。

GGCGCATG ACTGAAAT ATGCCCGT ACTGAGTG

如果 testStr 在 greenList 中任何字符串的汉明距离 1 内（在 <= 1 位置有差异），我希望 for 循环继续。以下是可接受的匹配，因为序列仅在一个位置不同。

ACTGACTG

||||| ||

ACTGAGTG

我第一次尝试这样做的中心是创建一个绿色列表，其中包含 greenList 中字符串的所有可能的汉明距离 1 变化...例如，序列 GGCGCATG 产生以下汉明距离 1 变化。

AGCGCATG CGCGCATG公司 TGCGCATG 广汽总局海湾合作委员会 GTCGCATG GGAGCATG GGTGCATG GGGGCATG GGCACATG GGCCCATG GGCTCATG GGCGAATG GGCGTATG GGCGGATG GGCGCCTG GGCGCTTG GGCGCGTG GGCGCCAG GGCGCCCG GGCGCCGG公司国资委国资委国资委 GGCGCCTT

如果上述任何序列直接匹配“testStr”，循环将继续。

但必须有更好的方法来做到这一点...我也知道有大量的比对算法可用于 DNA 比对。但是，对于这种简单的情况，我发现的大多数情况似乎都有些矫枉过正。非常感谢任何指导。

Answer 1

您不必生成 green 列表的所有变体。相反，您可以计算输入序列 x 与 green.

中每个序列之间的实际汉明距离

我正要提供一个将字符串序列编码为整数列表的解决方案但是它可以完美地处理字符串，因为字符串是可迭代的！

因此，我们只需要实现一个汉明距离函数，它会计算两个给定字符串之间不同字符的数量。这将做到：

def hamming(s1, s2):
    return sum(c1 != c2 for c1, c2 in zip(s1, s2))

然后我们可以遍历 green 并且只保留距离 x <= 1:

的元素

x = 'ACTGACTG'
green = ['GGCGCATG', 'ACTGAAAT', 'ATGCCCGT', 'ACTGAGTG']

res = [s for s in green if hamming(s, x) <= 1]

谢谢@Daniel指正！

快速 Python 短 DNA 字符串比较

Fast Python Short DNA String Comparison

python

alignment

dna-sequence