如何使用列表和循环来计算二核苷酸对的出现次数？

Question

我有一个 DNA 文本文件，我需要专门使用列表和循环来计算二核苷酸对的出现次数（例如：AA、AC、AT、AG、CA、CC 等），然后再次使用列表和循环将计数打印到一个新的文本文件中，作为一个表格，其中两列由制表符分隔：二核苷酸序列和计数。我知道如何做到这一点（将每一对存储在变量中，然后使用 count 计算出现次数，然后打开文本文件并将每个单独的计数打印到文本文件中）但我现在才刚刚开始学习列表和循环并且对如何我会那样做。

例如：我就是这样做的：

dna1.txt 是我计算机上 dna 序列文本文件的（随机）示例：

随机序列（即 dna1.txt）：

agggaatcgctggtgaagaggttgtgacctcttataaccccattgttaatgaggtccacg ctaagtaatgagtggctggtataggtgacgtctagaagtcatttctgtacagttactgcc gtggatatcattaggacgacactggggtgctcccacgcaccacgtgtacaggacgac tgcgatgatatagaaggtgagcttaaaacgttctacaaccccaatgaatcatagccgggt agattgccaggcgtgtggtaacgggtacgtggcggatctcgtccagtatgccgcagtcac acccgaatctttcgtcgactacggagcgactcgtatcgagacgggcttgaattgactcct catggattaggctgaggtcaaccttcgcatggagcctgggcatttaaaggtcgactgtcg

dna_txt = open("dna1.txt")
dna_txtcontents = dna_txt.read()
aa_count = dna_txtcontents.count("aa")
print str(aa_count)

然后为每一对继续，然后将每个单独的计数存储在一个新的文本文件中，但是我如何通过使用列表和循环来计算每对的出现次数，然后将计数存储在一个新的文本文件中，从而使自己更容易？哦，还要确保无论序列是大写还是小写，程序都能正常工作？

谢谢！！

Answer 1

您可以使用itertools.product 创建所有二核苷酸对。要使其不区分大小写，请将所有内容都转换为小写（或大写）。

import itertools

with open("dna1.txt") as dna_txt:
    dna_txtcontents = dna_txt.read().upper()

nt_pair_counts = {}
for nt_pair in itertools.product('ACTG', repeat=2):
    nt_pair = "".join(nt_pair)
    nt_pair_counts[nt_pair] = dna_txtcontents.count(nt_pair)

with open("out.txt", "wt", encoding="utf-8") as fd:
    for nt, count in nt_pair_counts.items():
        print(nt, count, sep="\t", file=fd)