最长公共序列 - 语法错误

Question

我正在尝试查找两个 DNA 序列的 LCS。我正在输出矩阵形式以及包含最长公共序列的字符串。但是，当我在代码中同时返回矩阵和列表时，会出现以下错误：IndexError: string index out of range

如果我要删除涉及变量 temp 和 higestcount 的编码，我的代码将很好地输出我的矩阵。我正在尝试对矩阵使用类似的编码来生成我的列表。有没有办法避免这个错误？根据序列 AGCTGGTCAG 和 TACGCTGGTGGCAT，最长的公共序列应该是 GCTGGT。

def lcs(x,y):
    c = len(x)
    d = len(y)
    plot = []
    temp = ''
    highestcount = ''

    for i in range(c):
        plot.append([])
        temp.join('')
        for j in range(d):
            if x[i] == y[j]:
                plot[i].append(plot[i-1][j-1] + 1)
                temp.join(temp[i-1][j-1])
            else:
                plot[i].append(0)
                temp = ''
                if temp > highestcount:
                    highestcount = temp

    return plot, temp

x = "AGCTGGTCAG"
y = "TACGCTGGTGGCAT"
test = compute_lcs(x,y)

print test

Answer 1

在temp.join(temp[i-1][j-1])的第一次迭代中，temp作为变量是一个空字符串，''

字符串中没有可以通过索引调用的字符，因此 temp[any_number] 将抛出 index out of range 异常。

Answer 2

据我所知，join() 通过另一个字符串连接一个字符串数组。例如，"-".join(["a", "b", "c"]) 将返回 a-b-c。

此外，您首先将temp 定义为字符串，但稍后使用双索引引用它，几乎就像它是一个数组一样。据我所知，您可以通过单个索引调用来引用字符串中的字符。例如，a = "foobar"、a[3] 返回b。

我将您的代码更改为以下内容。初始化数组以开始以避免索引问题。

def lcs(x,y):
    c = len(x)
    d = len(y)
    plot = [[0 for j in range(d+1)] for i in range(c+1)]
    temp = [['' for j in range(d+1)] for i in range(c+1)]
    highestcount = 0
    longestWord = ''

    for i in range(c):
        for j in range(d):
            if x[i] == y[j]:
                plot[i+1][j+1] = plot[i][j] + 1
                temp[i+1][j+1] = ''.join([temp[i][j],x[i]])
            else:
                plot[i+1][j+1] = 0
                temp[i+1][j+1] = ''
                if plot[i][j] > highestcount:
                    highestcount = plot[i][j]
                    longestWord = temp[i][j]

    return plot, temp, highestcount, longestWord

x = "AGCTGGTCAG"
y = "TACGCTGGTGGCAT"
test = lcs(x,y)
print test

Answer 3

在我看来，您正在浏览一个不必要的复杂屏幕，这会导致混乱，包括其他人提到的空字符串。

例如，这仍然很冗长，但我认为更容易理解（并返回预期的答案）：

def lcs(seq1, seq2):
    matches = []
    for i in range(len(seq1)):
        j = 1
        while seq1[i:j] in seq2:
            j+=1 
            if j > len(seq1):
                break
        matches.append( (len(seq1[i:j-1]), seq1[i:j-1]) )
    return max(matches)

seq1 = 'AGCTGGTCAG'
seq2 = 'TACGCTGGTGGCAT'
lcs(seq1, seq2)

返回

(6, 'GCTGGT')