计算模式频率

Question

我正在尝试制作一个程序来搜索文本，并根据所需的 kmer 长度提取模式。然后，我希望它使用我从 class 中学到的算法将这些模式转换为数字，并将这些值存储到字典中，以便我可以计算每个模式的频率。我知道我可以用模式本身来做，但任务的目标是 return 一系列数字（例如：2 2 2 1 1 3 2）

到目前为止，我可以递归调用 pat2num 函数，但我无法获取它来计算算法 4 * pat2Num(pattern) + symbol。而且我什至还没有尝试实现字典。

bases = {'A': 0, 'C': 1, 'G': 2, 'T': 3}


class ComputingFrequencies:
    def __init__(self, text, k, list):
        self.text = text
        self.k = k
        self.list = list  

    def patternGenerator(self):
        return self.freqPat(self.text, self.k)  #begins the class call

    def freqPat(self, text, k):
        for i in range(0, len(text) - k + 1):   #searches length of text corresponding to size of kmer
            pattern = text[i : k + i]           #pulls out kmer
            self.list.append(pattern)           #appends kmer to list
            print self.list
        return self.pat2Nums(list)              #calls pat2Nums

    def pat2Nums(self, list):
        if len(self.list) == 0:
            return 0
        else:
            for pattern in self.list:           #calls pat2Num for each pattern in list
                self.pat2Num(pattern)        

    def pat2Num(self, pattern):
        if len(pattern) == 0:
            self.list = self.list[1:]           
            self.pat2Nums(self.list)
        else:
            symbol = pattern[-1]                #symbol is last char of pattern
            pattern = pattern[0 : -1]           #pattern is (pattern - last char)
            if symbol in bases:
                symbol = bases[symbol]          #symbol becomes number equivalent
                print symbol
                l = 4 * self.pat2Num(pattern) + symbol   #algorithm for turning pattern into number


 c = ComputingFrequencies('AGTAGT', 3, list())
 c.patternGenerator()

更新：我终于得到了一些有用的东西，产生了所需的输出。还需要将所有可能的结果初始化为 0，因此输出很大，大部分是 0（以防你运行它）。这是代码：

import sys
sys.setrecursionlimit(10000)

bases = {'A': 0, 'C': 1, 'G': 2, 'T': 3}
algNum = list()
freqArray = dict()

class ComputingFrequencies:
    def __init__(self, text, k, list, list2):
        self.text = text
        self.k = k
        self.list = list
        self.list2 = list2  

    def patternGenerator(self):
        return self.freqPat(self.text, self.k)  #begins the class call

    def freqPat(self, text, k):
        for i in range(0, 4**k):
            freqArray[i] = 0
        for i in range(0, len(text) - k + 1):   #searches length of text corresponding to size of kmer
            pattern = text[i : k + i]           #pulls out kmer
            self.list.append(pattern)           #appends kmer to list
            print self.list
        return self.pat2Nums(list)              #calls pat2Nums

    def pat2Nums(self, list):
        if len(self.list) == 0:
            l = str(freqArray.values())
            m = l.replace(",", "")
            print m
            #r = open('file')
            #r.write(m)
        else:
            pattern = self.list[0]
            return self.pat2Num(pattern)        

    def pat2Num(self, pattern):
       symbol = pattern[-1]                #symbol is last char of pattern
       pattern = pattern[0 : -1]           #pattern is (pattern - last char)
       if symbol in bases:
            symbol = bases[symbol]         #symbol becomes number equivalent
            algNum.append(symbol)
       if len(pattern) > 0:
            return self.pat2Num(pattern)
       else:
            self.algNum(algNum, self.k)

    def algNum(self, list, k):
        while len(algNum) > 0:
            if len(algNum) == self.k:
                symbol = algNum[-1]
                prev = symbol
            else:
                symbol = algNum[-1]
                alg = 4 * prev + symbol
                prev = alg
            del algNum[-1]
        freqArray[alg] = freqArray.get(alg, 0) + 1
        self.list = self.list[1:]
        return self.pat2Nums(self.list)

 c = ComputingFrequencies('AGTAGT', 3, list())
 c.patternGenerator()

所以基本上我把算法从原来的地方拉出来，将符号值存储在另一个列表中，然后运行一旦模式长度变为 0，该数字列表就会通过算法。它是可能不是 prettiest/simplest/best，但它起作用了。感谢大家的编辑！

另外，请注意递归限制增加。我知道这可能不太好。欢迎对迭代器提出任何建议（我还没学会！）

Answer 1

问题似乎出在您的函数 pat2Num() 和计算 l 的行上。目前还不太清楚 l 应该被计算为什么。

原因是 l 陷入无限循环，直到 pattern == None。让我们来看看它：

发起pat2Num('AGT')
pattern = 'AGT'
symbol = 'T'
模式变为'AG'
计算 l，但在公式中你记得 pat2Num('AG') 使用新模式。
这意味着 l 从未被计算或存储为任何东西，因为之前对 pat2Num() 的调用从未返回任何东西存储在 l.
重新启动该功能后，symbol 现在变为 G
pattern 现在变成 A
计算 l，但回忆 pat2Num('A')，从不在 l
symbol 现在变成 A
pattern 现在变成 None
计算 l，但现在 pattern 什么都不是，所以要么是 None 类型错误，要么是无限循环

回过头来考虑 l = 4 * self.pat2Num(pattern) + symbol 行，也许计算 l 并存储在某处，然后再调用函数。然后 sum values 是列表或类似的东西。

希望对您有所帮助

计算模式频率

Computing Pattern Frequency

python

oop

bioinformatics

python-2.7