交换字符串中的字母

Question

我需要使用以下规则交换字符串中的字母：

• A 被 T 替换
• T 被 A 替换
• C 被 G 替换
• G 被 C 替换

例如：ACGTA 应该变成 TGCAT

解决这个问题的最佳方法是什么？

Answer 1

搜索java "A to T, T to A" 找到了这个suggestion：

String sequence = "AATTTCTCGGTTTCAAT";
sequence = sequence.replace("A", "t")
                   .replace("T", "a")
                   .replace("C", "g")
                   .replace("G", "c")
                   .toUpperCase();
System.out.println(sequence);

这是一个简单而简洁的解决方案，适用于您的特定情况，并且如果您的 DNA 字符串相对较短，它的性能也可以接受。对于处理大量数据的更通用的解决方案，您应该逐个迭代字符并构建一个新字符串。或者正如 polygenelubricants 指出的那样 - 考虑一种存储格式，每个碱基只使用 2 位而不是 16 位。

Answer 2

我会选择这样一个更通用的解决方案：

public String tr(String original, String trFrom, String trTo) {
  StringBuilder sb = new StringBuilder();

  for (int i = 0; i < original.length(); ++i) {
    int charIndex = trFrom.indexOf(original.charAt(i));
    if (charIndex >= 0) {
      sb.append(trTo.charAt(charIndex));
    } else {
      sb.append(original.charAt(i));
    }
  }

  return sb.toString(); 
}

像这样调用函数会得到你需要的结果：

tr("ACGTA", "ATCG", "TAGC")

所以功能和 unix tr 工具差不多：

echo ACGTA | tr ATCG TAGC

Answer 3

就像我explained yesterday，字符串是不可变的，你不能改变一个字符串，你必须创建一个新的并替换旧的。

你可以这样解决你的问题：

String s = "ACGTA";
StringBuilder sb= new StringBuilder();
for (char c:s.toCharArray()) {
  switch(c) {
    case 'A': sb.append('T');break;
    case 'T': sb.append('A');break;
    case 'C': sb.append('G');break;
    case 'G': sb.append('C');break;
    default: //handle error here -> invalid char in String
  }
}
s = sb.toString();

此解决方案的优点是您不会创建太多 String 对象（每个“替换”操作都会创建一个新 String，如果您必须还原 很多 dna 序列）

---

这是基于来自 polygenelubricants 和 rsp 的非常有用的 cmets 的更高性能版本：

String s = "ACGTA";
char[] reverse = new char[s.length()];
for (int i = 0; i < reverse.length; i++) {
  switch(s.charAt(i)) {
    case 'A': reverse[i] = 'T';break;
    case 'T': reverse[i] = 'A';break;
    case 'C': reverse[i] = 'G';break;
    case 'G': reverse[i] = 'C';break;
    default: //handle error here -> invalid char in String
  }
}
s = new String(reverse);

Answer 4

DNA 有一个小字母表。您可以使用lookup table，将一些语句替换为简单的数组索引。

这种方法：

• 仅遍历序列一次。
• 消除条件语句。
• 可以在字母大小写方面保持稳定，有时用于在 DNA 序列中传达信息。
• 可以处理 IUPAC 歧义代码。
• 可以处理间隙。
• 可以很容易地提供一个反向补码。

首先，您需要一个查找表。

private static final String COMPLEMENT_TABLE 
  // 0123456789ABCDEF0123456789ABCDEF
  = "                                " // 0-31
  + "             -                  " // 32-63
  + " TVGH  CD  M KN   YSAABWXR      " // 64-95
  + " tvgh  cd  m kn   ysaabwxr      "; // 96-127
  //  ABCDEFGHIJKLMNOPQRSTUVWXYZ

private static final byte[] COMPLEMENT_TABLE_BYTES 
  = COMPLEMENT_TABLE.getBytes( StandardCharsets.US_ASCII );

然后，您可以通过简单的查表找到补码的碱基。

public static byte[] complement( byte[] sequence ) {
    int length = sequence.length;
    byte[] result = new byte[ length ];

    for ( int i = 0; i < length; ++i ) {
        result[i] = COMPLEMENT_TABLE_BYTES[ sequence[i] ];
    }

    return result;
}

如果需要方便使用小序列，您可以提供一个接受并返回字符串的方法。

public static String complement( String sequence ) {
    byte[] complementBytes = complement( 
      sequence.getBytes( StandardCharsets.US_ASCII ));
    return new String( complementBytes, StandardCharsets.US_ASCII );
}

可以在同一个循环中计算反向补码。

public static byte[] reverseComplement( byte[] sequence ) {
    int length = sequence.length;
    byte[] result = new byte[ length ];

    for ( int i = 0; i < length; ++i ) {
        result[ (length - i) - 1] = COMPLEMENT_TABLE_BYTES[ sequence[i] ];
    }

    return result;
}

public static String reverseComplement( String sequence ) {
    byte[] complementBytes = reverseComplement( 
      sequence.getBytes( StandardCharsets.US_ASCII ));
    return new String( complementBytes, StandardCharsets.US_ASCII );
}

使用您的示例序列：

public static void main(String[] args) {
    String sequence = "ACGTA";

    String complementSequence = complement( sequence );
    System.out.println( String.format( 
       "complement(%s) = %s", sequence, complementSequence ));

    String reverseComplementSequence = reverseComplement( sequence );
    System.out.println( String.format( 
      "reverseComplement(%s) = %s", sequence, reverseComplementSequence ));
}

我们得到这个输出：

complement(ACGTA) = TGCAT
reverseComplement(ACGTA) = TACGT