构建 DNA 序列生成器答案

【问题标题】：Building a DNA sequence generator构建 DNA 序列生成器
【发布时间】：2014-02-11 16:11:49
【问题描述】：

我刚开始在生物信息学研究实验室学习 python。我的第一个项目是生成一个程序，该程序可以输出具有长度和拷贝数参数的各种 DNA 序列。然后需要以 FASTA 格式输出序列。

对于那些不熟悉的人，DNA 序列可以由四个“字母”组成：A、G、C、T。示例 DNA 序列：ACGTTCCGTACGTACTCT

我对这一切真的很陌生，我想要一些关于如何去做以及如何学习 Python 的建议（依靠教程，做随机项目等）。

我目前正在使用别人的程序进行我的 DNA 序列项目，然后我将逐行查看正在做的事情。

我在复制代码时遇到的第一个错误是：

    >>> import random
    >>> import sys
    >>> def simulate_sequence (length) :
        dna = ['A','G','C','T']
        sequence = ''
        for i in range (length) :
            sequence += random.choice (dna)
        return sequence

    >>> setsize = int (sys.argv[1])
    Traceback (most recent call last):
      File "<pyshell#10>", line 1, in <module>
        setsize = int (sys.argv[1])
    IndexError: list index out of range
    >>>

谢谢。

【问题讨论】：

您需要使用指定序列长度的 CLI 参数调用此代码。
不幸的是，如果没有对基础知识的基本了解，复制代码根本没有多大意义。我建议你在潜入之前先拿起一本书。
从官方教程开始，它包含你需要知道的一切！ docs.python.org/2.7/tutorial/index.html
不知道原代码是谁写的，但simulate_sequence函数无非就是''.join(random.choice('AGCT') for _ in range(length))。
谢谢大家。我浏览了thenewboston 的python 教程。我对正在发生的事情有一个基础，但我有很多练习......我想我会在我的实验室从事项目的同时继续阅读 Python 书籍。

标签： python random generator bioinformatics dna-sequence

【解决方案1】：

sys.argv 是传递给程序的参数列表。

例如这个程序（称为amt.py）：

import sys
print (sys.argv)

会有这样的行为：

$ ./amt.py
['./amt.py']
$ ./amt.py 1
['./amt.py', '1']
$ ./amt.py 1 abc
['./amt.py', '1', 'abc']
$ ./amt.py 1 abc 33
['./amt.py', '1', 'abc', '33']

您的代码的问题是它期望sys.argv 在索引1 处有一个项目，但您没有给它任何命令行参数。因此它会尝试转到列表中不存在的位置。

【讨论】：

【解决方案2】：

首先，我会推荐this book。

这个错误是因为这个程序是从命令行运行的，而不是为解释器运行的。 sys.argv[1] 获取第一个命令行参数（嗯，技术上是第二个，因为第一个是程序的名称）。在解释器中，您不能指定参数。只需将其粘贴到文本编辑器中，然后从命令行运行它，例如：DNA.py 100

【讨论】：

【解决方案3】：

我为此使用了 biopython：

def random_seq(N=180):
    return Seq("".join(random.choice("ATCG") for _ in range(N)))

【讨论】：

【解决方案4】：

dna = ['A','G','C','T']
def generateDNA(N):
   result= [random.choice(dna) for i in np.arange(N)]
   return("".join(result))

print(generateDNA(100))

输出：

TTCGCGGACGGTTCATCAGCCCTAGCCGGTTAAGAACTATCGAGCCACCCTAAGAACGGTCCATATTTGGAGTGTTACAACTTTGGATCTTCTACGTTGC

【讨论】：