Algorithm 寻找（L，t）-丛

我正试图在Clojure中找到丛。基本上，我需要找到所有出现在t次基因组中大小为L的窗口中的k长度子串。我已经实现了我认为解决方案是什么，但是我相信其中可能有缺陷，因为我用来确认的系统（beta.stepic.org）告诉我这一点。你们能看出我把事情搞砸了吗？我的解决方案如下，找到所有排名靠前的k-mers（k-length子串）并找到它们的起始索引。之后，我将其划分为t组，这意味着这是它们发生的次数，并且基本上对偏移量为k的已划分组中的最后一项和第一项进行了差异（因为所有k项都应适合于L窗口，这将通过扩展它来解释最后一个k项）。指数按升序排列。臭虫在哪里

团块查找问题：查找在字符串中形成团块的模式。 样本输入：

基因组：CGGACTCGACAGATGTGAAGAGAGACAGATGTGAAGCTCGACACAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAGAG

样本输出：

CGACA砷化镓

（defn获取索引[源目标]
“返回子字符串目标的索引
按升序在源中找到。这包括重叠。“
（让
[搜索（java.util.regex.Pattern/compile（str“（？=（“目标”））”）
匹配器（重新匹配器搜索源）
非零？（补零？）
（定义内部[匹配器]
（如果（不是零？（重新查找匹配者））
（cons（.start matcher）（内部匹配器）））
（内部匹配器）
（defn获得频繁kmer[来源k]
“从源获取大小为k的最频繁的k-mers”
（让[max val（val（应用max key val（频率（分区K1源））））]
（首先映射（过滤器#（=（val%）最大值）
（频率（map（部分应用str）（分区K1源()()())))）
（defn-find-clumps[基因组KLT]
（对于[k-mer（获取频繁的kmer基因组k）]
（让[索引（获取索引）k-mer）]
（如果（有些是真的）（map#）（除了代码样式有一些可以改进的地方外，我看到的主要问题是您在
max key val
上过滤k-mers，而在初始过滤上根本没有考虑
t

当您发现最常见的l-mers大小
k
时，您只需保留较长的l-mers：

  (apply max-key val (frequencies (partition k 1 source)))

因为你是按max val过滤的

  (filter #(= (val %) max-val)

你只是在分析这些：

  (for [k-mer (get-frequent-kmer genome k)]

问题是，如果
t
为4，但有一些5-mers的重复次数超过4次，则将这些重复次数保留在等式之外。
以下是一些工作代码：

(defn k-mers 
  "Returns a seq of all k-mers in text."
  [k text]
  (map #(apply str %) (partition k 1 text)))

(defn most-frequent-k-mers 
  "Returns a seq of k-mers in text appearing at least t times."
  [k t text]
  (->> (k-mers k text)
       (frequencies)
       (filter #(<= t (second %)))
       (map first)))

(defn find-clump
  "Finds k-mers forming (L, t) clumps in text."
  [k L t text]
  (let [windows (partition L 1 text)]
    (->> windows 
         (map #(most-frequent-k-mers k t %))
         (map set)
         (apply clojure.set/union))))

（定义k-mers）
“返回文本中所有k-MER的序号。”
[正文]
（映射#（应用str%）（分区K1文本）））
（定义最频繁的k-mers）
“返回文本中出现至少t次的k-mers序列。”
[k t文本]
（->>（k-k文本）
（频率）
（过滤器#）（>窗口
（map#（最常见的k-mers k-t%））
（地图集）
（应用clojure.set/union）））

我想你应该从这里开始。
“我需要找到在基因组中大小为L的窗口中出现t次的所有k长度子串”还不清楚——你的意思是“我需要找到在基因组中大小为L的窗口中至少出现t次的所有k长度子串”？根据您用来检查的系统，您期望的正确输出是什么？代码中有两个方面可以改进（例如在
defn
中删除
defn
）但是这些都不会改变你函数的行为。只有在发布这些信息并离开计算机后，我才意识到这一点。谢谢你确认我的信念。
  (filter #(= (val %) max-val)

  (for [k-mer (get-frequent-kmer genome k)]

(defn k-mers 
  "Returns a seq of all k-mers in text."
  [k text]
  (map #(apply str %) (partition k 1 text)))

(defn most-frequent-k-mers 
  "Returns a seq of k-mers in text appearing at least t times."
  [k t text]
  (->> (k-mers k text)
       (frequencies)
       (filter #(<= t (second %)))
       (map first)))

(defn find-clump
  "Finds k-mers forming (L, t) clumps in text."
  [k L t text]
  (let [windows (partition L 1 text)]
    (->> windows 
         (map #(most-frequent-k-mers k t %))
         (map set)
         (apply clojure.set/union))))