生成随机的 DNA 序列答案

【问题标题】：Generating random sequences of DNA生成随机的 DNA 序列
【发布时间】：2021-06-28 23:57:22
【问题描述】：

我正在尝试使用随机数和随机字符串在 python 中生成随机 DNA 序列。但我只得到一个字符串作为我的输出。例如：如果我给出长度为 5 (String(5)) 的 DNA，我应该得到一个输出“CTGAT”。同样，如果我给 String(4) 它应该给我“CTGT”。但我得到的是“G”或“C”或“T”或“A”；即每次只有一个字符串。有人可以帮我吗？

我尝试了以下代码：

from random import choice
def String(length):

   DNA=""
   for count in range(length):
      DNA+=choice("CGTA")
      return DNA

【问题讨论】：

标签： python dna-sequence

【解决方案1】：

我会一次性生成所有字符串，而不是构建它。除非 Python 很聪明并优化了字符串添加，否则它将把运行时复杂度从二次降低到线性。

import random

def DNA(length):
    return ''.join(random.choice('CGTA') for _ in xrange(length))

print DNA(5)

【讨论】：

投反对票的人应该留个便条（例如“问题是关于理解代码块和缩进”）。使用str.join() 比逐个添加字母（DNA 碱基）要快得多。
代替 random.choice('CGTA') 您可以将每个碱基的频率降低，如下所示： random.choice("A"*5+"C"*4+"G" *3+“T”*10)。将我给出的数字替换为您需要使用的真实相对数字。

【解决方案2】：

你回来太快了：

from random import choice
def String(length):

   DNA=""
   for count in range(length):
      DNA+=choice("CGTA")
      return DNA

如果您的 return 语句在 for 循环内，您将只迭代一次 --- 您将退出带有 return 的函数。

来自Python Documentation on return statements： "return 离开当前函数调用，并将表达式列表（或 None）作为返回值。"

所以，将return 放在函数的末尾：

def String(length):

       DNA=""
       for count in range(length):
          DNA+=choice("CGTA")
       return DNA

编辑：这是一种加权选择方法（它目前仅适用于字符串，因为它使用字符串重复）。

def weightedchoice(items): # this doesn't require the numbers to add up to 100
    return choice("".join(x * y for x, y in items))

然后，您想在循环中调用 weightedchoice 而不是 choice：

DNA+=weightedchoice([("C", 10], ("G", 20), ("A", 40"), ("T", 30)])

【讨论】：

非常感谢。它现在正在工作。我可以添加一个分布，它是一个元组列表，例如 String(10,[("a",20),("b",60),("c",20)]) 其中概率总和为 100( 20+60+20)

【解决方案3】：

我已升级代码以提供从 0 到 100% 的 GC 百分比分布。上面的代码总是产生 50% 的分布。

actg_distribution 字符串可以是已知 GC 百分比的现有 DNA 序列的任意长度。某个范围的 GC 百分比是一个常见的用例。


import random

# Return random CGTA sequences, set minimum = maximum to get a specified length.
def random_length_dnasequence(minimum=25, maximum=10000, actg_distribution=None):
    if (minimum == maximum):
        length = minimum
    else:
        length = random.randint(minimum, maximum)
    if (actg_distribution == None):
        actg_distribution = ''.join(random.choice('cgta') for _x in xrange(7))

    return ''.join(random.choice(actg_distribution) for _x in xrange(length))


def random_dnasequence(length, actg_distribution=None):
    return random_length_dnasequence(length, length, actg_distribution)

【讨论】：

【解决方案4】：

使用 random.choices 的 python 3.6 快速函数

import random

def string(length=int(), letters="CGTA"):
        #slower 0.05s for 20000 nt
#     dna =""
#     for count in range(length):
#         dna+=choice("CGTA")
#     return dna

    #0.013s for 20000 nt
    return''.join(random.choices(letters, k=length)

【讨论】：

【解决方案5】：

也许由于矢量化，numpy 工作得更快？：

import numpy as np
seq_length = 100
my_seq = ''.join(np.random.choice(('C','G','T','A'), seq_length ))

【讨论】：