将字符串中的字母转换为具有多个输出的不同字母

Question

所以我有一个 DNA 序列

DNA = "TANNNT"

where N = ["A", "G", "C", "T"]

我想要 TAAAAT, TAAAGT, TAAACT, TAAATT..... 等所有可能的输出。

现在我从网上找到了我可以做的排列的解决方案 perms = [''.join(p) for p in permutations(N, 3)] 然后只需将我的 DNA 序列迭代为 TA + perms + T

但我想知道是否有更简单的方法来做到这一点，因为我有更多的 DNA 序列并且需要更多的时间来硬编码。

编辑：

硬代码部分将如我必须声明的那样

N1 = [''.join(p) for p in permutations(N, 1)]
N2 = [''.join(p) for p in permutations(N, 2)]
N3 = [''.join(p) for p in permutations(N, 3)]

然后为 N3 中的 i 做：

key = "TA" + N3[i] + "T"

由于我的序列很长，我不想计算序列中有多少个连续的 N，想看看是否有更好的方法。

Answer 1

您可以使用排列结果来格式化字符串，例如：

代码：

import itertools as it
import re

def convert_sequence(base_string, target_letter, perms):
    REGEX = re.compile('(%s+)' % target_letter)
    match = REGEX.search(base_string).group(0)
    pattern = REGEX.sub('%s', base_string)
    return [pattern % ''.join(p) for p in it.permutations(perms, len(match))]

测试代码：

print(convert_sequence('TANNNT', 'N', ['A', 'G', 'C', 'T']))

结果：

['TAAGCT', 'TAAGTT', 'TAACGT', 'TAACTT', 'TAATGT', 
 'TAATCT', 'TAGACT', 'TAGATT', 'TAGCAT', 'TAGCTT', 
 'TAGTAT', 'TAGTCT', 'TACAGT', 'TACATT', 'TACGAT', 
 'TACGTT', 'TACTAT', 'TACTGT', 'TATAGT', 'TATACT', 
 'TATGAT', 'TATGCT', 'TATCAT', 'TATCGT']

将字符串中的字母转换为具有多个输出的不同字母

Convert a letter in string to different letters with multiple output

python

bioinformatics

itertools

python-2.7