使用python计算字典中的基因突变答案

【问题标题】：Counting genetic mutations in dictionary using python使用python计算字典中的基因突变
【发布时间】：2012-09-28 10:05:45
【问题描述】：

我有这种格式的数据：

>abc12
ATCGACAG

>def34
ACCGACG

等等

我已将每个基因存储到字典中，其中以 > 开头的行作为值。所以字典类似于{'abc12':'ATCGACAG'等}

现在我希望能够比较每个基因，以便计算每个位点的 A、T、C 或 G 的数量。

我唯一能想到的是将字典分解为每个核苷酸位点的列表，并使用带有计数器的 zip()。这是最好的方法吗？如果是，我如何将字典分成每个站点的列表？

【问题讨论】：

标签： python list dictionary bioinformatics

【解决方案1】：

使用collections.Counter:

>>> from collections import Counter
>>> Counter('ATCGACAG')
Counter({'A': 3, 'C': 2, 'G': 2, 'T': 1})
>>> Counter('ACCGACG')
Counter({'C': 3, 'A': 2, 'G': 2})

【讨论】：

我希望能够像对齐一样计数。例如。在位点一，两个基因都有一个 A，但在位点二，一个有一个 C，一个有一个 T。所以输出会是这样的：1：5 个 A，2 个 C 2：3 个 G，4 个 A感觉？

【解决方案2】：

有理由不使用 Biopython 吗？

from Bio import AlignIO
alignment =AlignIO.read("alignment.fas", "fasta")
n=0
while n<len(alignment[0]):
    A=alignment[:,n].count('A')
    C=alignment[:,n].count('C')
    G=alignment[:,n].count('G')
    T=alignment[:,n].count('T')
    gap=alignment[:,n].count('-')

    print "at position %s there are %s A's, %s C's, %s G's, %s T's and %s gaps" % (n, A, C, G, T, gap)
    n=n+1

确保您具有真正的对齐方式（即序列长度相同）。
p.s.对于打印语句的丑陋格式，我深表歉意...

at position 0 there are 2 A's, 0 C's, 0 G's, 0 T's and 0 gaps
at position 1 there are 0 A's, 1 C's, 0 G's, 1 T's and 0 gaps
at position 2 there are 0 A's, 2 C's, 0 G's, 0 T's and 0 gaps
at position 3 there are 0 A's, 0 C's, 2 G's, 0 T's and 0 gaps
at position 4 there are 2 A's, 0 C's, 0 G's, 0 T's and 0 gaps
at position 5 there are 0 A's, 2 C's, 0 G's, 0 T's and 0 gaps
at position 6 there are 1 A's, 0 C's, 0 G's, 0 T's and 1 gaps
at position 7 there are 0 A's, 0 C's, 2 G's, 0 T's and 0 gaps

【讨论】：

【解决方案3】：

s1 = "ATCGACAG"
s2 = "ACCGACG"   
alignment = [s1[i] if s1[i] == s2[i] else "-" for i in range(len(min([s1,s2],key=len)))]
print "".join(alignment)
A-CGAC-

【讨论】：