C：将DNA序列压缩成二进制

Question

嗨，我正在尝试弄清楚如何获得将 DNA 代码转换为二进制位的函数，需要使其看起来像这样：ACGTT -> XXXXXX11 11100100 从右到左对于 A=0 C=1 G=2 T=3。现在我想按字符来做，然后将它移动 >>2 使其失去功能，但我无法弄清楚功能本身...... 我这样试过这样 returns NULL.

char CompressChar(char c){
char temp[8]="XXXXXXXX";
if (c=='A'){
 temp[7] = '0';
 temp[6] = '0';
}
if (c=='C'){
    temp[7]='1';
    temp[6]='0';
}
if(c=='G'){

    temp[7]='0';
    temp[6]='1';
}

if(c=='T'){
   temp[7]='1';
   temp[6]='1';
}
return temp;

}

Answer 1

我猜你希望每个字母（它们被称为核苷酸iirc？）代表2个二进制数字。

首先，char temp[8]="XXXXXXXX"; 没有意义，因为 C 中的字符串以 null 终止，而您没有为 null 终止符分配空间，应该是 [8+1]。你想要 16 位，而不是 8 位。

你的函数 return 是一个 char 这是不正确的，你需要 return 整个数组。这必须通过一个参数来完成，因为你不能在 C 中 return 数组。你也不能 return 一个指向本地数据的指针，所以最好将分配留给调用者。无论如何...刮那个功能。

另外，把这个转成"binary string"意义不大。最好把它转换成二进制数，然后根据需要，把那个数转换成字符串。

转换，包括 "backwards order"，可以这样完成：

uint16_t dna_to_bin (const char* str)
{
  uint16_t result = 0;
  size_t i;

  for(i=0; i<16; i+=2)       // loop over bits in the resulting binary number
  {
    typedef enum             // local enum just for readability
    {
      A = 0,
      C = 1,
      G = 2,
      T = 3,
    } dna_t;
    dna_t type=0;            // default is 0 if nothing to decode

    if(*str != '[=10=]')         // keep decoding string until reaching the end
    {
      switch(*str)
      {
        case 'A':     type = A; break;
        case 'C':     type = C; break;
        case 'G':     type = G; break;
        case 'T':     type = T; break;
      }
      str++;
    }

    result |= (uint16_t)type << i; // store data at correct position in the result
  }

  return result;
}

完整示例包括打印二进制并丢弃下面的前导零的函数。如果你想用 X 替换前导零，修改起来应该很简单。

#include <stdint.h>
#include <inttypes.h>
#include <stdio.h>
#include <stdbool.h>

uint16_t dna_to_bin (const char* str)
{
  uint16_t result = 0;
  size_t i;

  for(i=0; i<16; i+=2)
  {
    typedef enum
    {
      A = 0,
      C = 1,
      G = 2,
      T = 3,
    } dna_t;
    dna_t type=0;

    if(*str != '[=11=]')
    {
      switch(*str)
      {
        case 'A':     type = A; break;
        case 'C':     type = C; break;
        case 'G':     type = G; break;
        case 'T':     type = T; break;
      }
      str++;
    }
    result |= (uint16_t)type << i;
  }

  return result;
}


void print_bin (uint16_t bin)
{
  bool remove_zeroes = true;

  for(size_t i=0; i<16; i++)
  {
    uint16_t mask = 1u << (16-1-i);
    uint16_t bit = bin & mask;

    if(bit == 0)
    {
      if(!remove_zeroes)
      {
        printf("0");
      }
    }
    else
    {
      remove_zeroes = false;
      printf("1");
    }
  }
}


int main (void)
{
  const char STR_DNA[] = "ACGTT";
  uint16_t bin = dna_to_bin(STR_DNA);

  puts(STR_DNA);
  printf("Hex: %.4"PRIX16 "\n", bin);
  printf("Bin: ");
  print_bin(bin);

  return (0);
}

输出：

ACGTT
Hex: 03E4
Bin: 1111100100

C：将DNA序列压缩成二进制

C: Compresing DNA sequence into binary

c

bin