DNA从字符串中的列表中查找所有匹配项（python 2.7）

嘿，我有一串字母（它是DNA），我有一个来自另一个序列的切片DNA列表。我想在我的字符串中查找列表中所有项目的所有匹配项。 基本上：

data_1 = "ATGCTGCATGTCATGTGCTGATCTG"
wild_type = ["A", "TG", "ATGC", "ATG", "TGCT", "GTA", "GTACT", "GT", "CT"]

我希望输出是data_1中的索引列表，其中找到了来自wild_类型的匹配项

此外，我想找到最长的一块匹配。所以对于字符串的第一部分，

A

，

ATG

，

ATGC

都匹配，所以我不需要它吐出

[0,1,2,3]

，而只需要

[0,3]

（一个范围）

---

我尝试使用finditer，但我不知道如何将我的列表或字符串放入其中。任何帮助都将不胜感激

您可以使用

re.search（）

查找字符串中的匹配项，然后使用

span

方法获取匹配项的位置并将其存储到字典中的位置（使用）根据此逻辑，第一个位置是键，公共末端位置作为值列在列表中，然后使用

max

函数查找最大范围：

>>> d={}
>>> from operator import sub
>>> for i in wild_type:
...    match=re.search('{}'.format(i),data_1)
...    if match:
...       i,j=match.span()
...       d.setdefault(i,[]).append(j)
>>> d
{0: [1, 4, 3], 1: [3, 5], 3: [5], 9: [11]}
>>> max(((i,j[-1]) for i,j in d.items()),key=lambda x:abs(sub(*x)))
(1, 5)

如果你想得到你在评论中提到的所有匹配项，你可以：

>>> [(i,j[-1]) for i,j in d.items()]
[(0, 3), (1, 5), (3, 5), (9, 11)]

---

对于第一个问题，您必须编写一个函数，该函数完全满足您的要求，它得到两个字符串，然后返回出现在第一个中的第二个的索引：

def my_find(str1,str2):
    start = 0
    end = len(str1)
    all_finds = []
    while str1.find(str2,start,end) != -1 :
        x = str1.find(str2,start,end)
        all_finds.append(x)
        start = x+1

    return all_finds

然后检查所有野生类型：

for item in wild_type :
    print my_find(data_1,item)

其结果如下：

[0, 7, 12, 20]
[1, 4, 8, 13, 15, 18, 23]
[0]
[0, 7, 12]
[1, 15]
[]
[]
[9, 14]
[3, 17, 22]

如果你检查你看到的第一个是“A”，它首先出现在索引0中，然后出现在7和

对于第二个问题，有两种方法！第一个比较容易但速度较慢，第二个比较难实现但速度较快！根据您的数据集大小，您必须选择一个：

1-暴力
对于你所有的野生类型，检查它！如果可以在数据_1中找到最长的野生类型，那么它就是最长的公共字符串！因为没有字符串长度超过最长的通配符类型：））

2-搜索python实现（LCS=最长公共子字符串）：

---

它使用动态规划方法解决您的问题

是否希望范围作为元组列表？在多个范围中会发生什么？是的，一个元组列表。所以像“CA”一样，会有[6,7]和[11,12]打印。首先，这是一种非常不符合音速的方式来执行此任务，其次，OP想要最大范围，而您的代码不会这样做！我试过这个，但对我不起作用。这有点让人困惑，因为我是一个初级程序员。@bioinfo221它怎么不工作？出了什么问题？你的任务并不简单，所以它的解决方案也不会很简单！；）告诉我你在这里什么地方含糊不清@bioinfo221由于您处理的是生物信息数据，您需要学习使用经过优化的方法，因为在大字符串或其他大数据中，如果您的代码没有得到优化，您将遇到许多问题。

>>> max_len = -1
>>> max_cut = [-1,-1]
>>> for item in wild_type:
    if my_find(data_1,item) and len(item) > max_len:
        max_len = len(item)
        max_cut[0] = my_find(data_1,item)[0]
        max_cut[1] = my_find(data_1,item)[0]+len(item)


>>> max_len
4
>>> max_cut
[0, 4]
>>>