Python DNA序列随机抽样

我想用100个DNA序列创建1000个随机组。我有一个包含100个fasta序列的文本文件（sequence.txt），我希望随机选择包含10个fasta序列的子组进行进一步分析。这是我尝试过的代码，我一直在得到一些错误

import random
import re
f = open("sequence.txt", "r")
lf = f.split(">")
lf.pop(0)
f.close()
for i in range(10):
    sublist = "subset_%s.fas" % i
    random_group = random.randrange(len("sequence.txt"), 10)
    output = open(sublist, "w")
    for m in random_group:
        sequence = ">" + lf[m]
        output.write(sequence)
    output.close()

---

您没有正确使用

random.randrange

：

random.randrange（开始、停止[，步骤]）

。如果您提供两个值，它们将变为

start

和

stop

。您的

len（“sequence.txt”）

已经大于10（12）

为什么

len（“sequence.txt”）

不是

len（lf）

len（“sequence.txt”）

只提供

字符串的长度

[random.randrange（0，len（lf））用于范围（10）]中的i
应该是您想要的，或者使用
random.sample
您没有正确使用
random.randrange
：
random.randrange（开始，停止[，步骤]）
。如果您提供两个值，它们将变为
start
和
stop
。您的
len（“sequence.txt”）
已经大于10（12）

为什么
len（“sequence.txt”）
不是
len（lf）
len（“sequence.txt”）
只提供
字符串的长度

[random.randrange（0，len（lf））用于范围（10）]中的i
应该是您想要的，或者使用
random.sample
签出。它允许您从序列中采样
k
（在您的示例中为
k=10
）元素（在您的示例中为
lf
）：

退房。它允许您从序列中采样
k
（在您的示例中为
k=10
）元素（在您的示例中为
lf
）：

谢谢，我将试用建议的代码。有没有一种方法可以找到有效分析的样本大小？这很难说。这取决于你在做什么。系统发育重建？估计序列多态性？估计LD？真的要看情况了。比如说，我明白了。结果如何？还是要看情况。取决于图案的强度。大样本量=更好的检测能力。样本量小=检测能力低。顺便说一句，如果您不进行引导，对于您的应用程序，不进行替换的采样应该更合适（这就是
sample
的作用）。谢谢，我将试用建议的代码。有没有一种方法可以找到有效分析的样本大小？这很难说。这取决于你在做什么。系统发育重建？估计序列多态性？估计LD？真的要看情况了。比如说，我明白了。结果如何？还是要看情况。取决于图案的强度。大样本量=更好的检测能力。样本量小=检测能力低。顺便说一句，如果您不进行引导，那么对于您的应用程序来说，不进行替换的采样应该更合适（这就是
sample
的目的）。
>>> import random
>>> sequences = range(100)
>>> for i in range(1000):
...     # Sample a random group
...     random_group = random.sample( lf, 10 )

        # Output group
        ...