Python Rosalind:重叠图
我在Rosalind上遇到了一个问题,我认为我已经正确地解决了,但是我被告知我的答案是错误的。问题可在此处找到: 这是基础图论,更具体地说,它处理的是返回重叠DNA字符串的邻接列表 “对于字符串和正整数k的集合,字符串的重叠图是一个有向图Ok,其中每个字符串由一个节点表示,当有一个长度为k的后缀s与长度为k的前缀t匹配时,字符串s通过有向边连接到字符串t,长度为s≠t、 我们要的是巧克力≠t以防止重叠图中出现有向循环(尽管可能存在有向循环) 给定:FASTA格式的DNA字符串集合,总长度最多为10 kbp 返回:O3对应的邻接列表。您可以按任意顺序返回边。“ 因此,如果你有: 罗莎琳德0498 AAAAA 罗莎琳德·欧2391 阿塔特 罗莎琳德2323 TTCCC 罗莎琳德0442 AAATCCC Rosalind_5013 GGGTGGG 您必须返回: 罗莎琳0498罗莎琳2391 罗莎琳0498罗莎琳0442 罗莎琳2391罗莎琳2323 在解析了包含DNA字符串的FASTA文件后,我的python代码如下所示:Python Rosalind:重叠图,python,string,graph-theory,Python,String,Graph Theory,我在Rosalind上遇到了一个问题,我认为我已经正确地解决了,但是我被告知我的答案是错误的。问题可在此处找到: 这是基础图论,更具体地说,它处理的是返回重叠DNA字符串的邻接列表 “对于字符串和正整数k的集合,字符串的重叠图是一个有向图Ok,其中每个字符串由一个节点表示,当有一个长度为k的后缀s与长度为k的前缀t匹配时,字符串s通过有向边连接到字符串t,长度为s≠t、 我们要的是巧克力≠t以防止重叠图中出现有向循环(尽管可能存在有向循环) 给定:FASTA格式的DNA字符串集合,总长度最多为1
listTitle = []
listContent = []
#SPLIT is the parsed list of DNA strings
#here i create two new lists, one (listTitle) containing the four numbers identifying a particular string, and the second (listContent) containing the actual strings ('>Rosalind_' has been removed, because it is what I split the file with)
while i < len(SPLIT):
curr = SPLIT[i]
title = curr[0:4:1]
listTitle.append(title)
content = curr[4::1]
listContent.append(content)
i+=1
start = []
end = []
#now I create two new lists, one containing the first three chars of the string and the second containing the last three chars, a particular string's index will be the same in both lists, as well as in the title list
for item in listContent:
start.append(item[0:3:1])
end.append(item[len(item)-3:len(item):1])
list = []
#then I iterate through both lists, checking if the suffix and prefix are equal, but not originating from the same string, and append their titles to a last list
p=0
while p<len(end):
iterator=0
while iterator<len(start):
if p!=iterator:
if end[p] == start[iterator]:
one=listTitle[p]
two=listTitle[iterator]
list.append(one)
list.append(two)
iterator+=1
p+=1
#finally I print the list in the format that they require for the answer
listInc=0
while listInc < len(list):
print "Rosalind_"+list[listInc]+' '+"Rosalind_"+list[listInc+1]
listInc+=2
listTitle=[]
listContent=[]
#SPLIT是已解析的DNA字符串列表
#在这里,我创建了两个新列表,一个(listTitle)包含标识特定字符串的四个数字,第二个(listContent)包含实际字符串(“>Rosalind_u2;”已被删除,因为它是我拆分文件的对象)
当我 虽然p我不确定你的代码到底出了什么问题,但这里有一种可能被认为更“pythonic”的方法
我假设您已将数据读入将名称映射到DNA字符串的字典:
{'Rosalind_0442': 'AAATCCC',
'Rosalind_0498': 'AAATAAA',
'Rosalind_2323': 'TTTTCCC',
'Rosalind_2391': 'AAATTTT',
'Rosalind_5013': 'GGGTGGG'}
我们定义了一个简单的函数,用于检查字符串s1
是否具有与字符串s2
的k
-前缀匹配的k
-后缀:
def is_k_overlap(s1, s2, k):
return s1[-k:] == s2[:k]
然后我们观察所有的DNA序列组合,找到匹配的。这通过itertools实现。组合:
import itertools
def k_edges(data, k):
edges = []
for u,v in itertools.combinations(data, 2):
u_dna, v_dna = data[u], data[v]
if is_k_overlap(u_dna, v_dna, k):
edges.append((u,v))
if is_k_overlap(v_dna, u_dna, k):
edges.append((v,u))
return edges
例如,根据上述数据,我们得到:
>>> k_edges(data, 3)
[('Rosalind_2391', 'Rosalind_2323'),
('Rosalind_0498', 'Rosalind_2391'),
('Rosalind_0498', 'Rosalind_0442')]
我不确定你的代码到底出了什么问题,但这里有一种可能被认为更“pythonic”的方法
我假设您已将数据读入将名称映射到DNA字符串的字典:
{'Rosalind_0442': 'AAATCCC',
'Rosalind_0498': 'AAATAAA',
'Rosalind_2323': 'TTTTCCC',
'Rosalind_2391': 'AAATTTT',
'Rosalind_5013': 'GGGTGGG'}
我们定义了一个简单的函数,用于检查字符串s1
是否具有与字符串s2
的k
-前缀匹配的k
-后缀:
def is_k_overlap(s1, s2, k):
return s1[-k:] == s2[:k]
然后我们观察所有的DNA序列组合,找到匹配的。这通过itertools实现。组合:
import itertools
def k_edges(data, k):
edges = []
for u,v in itertools.combinations(data, 2):
u_dna, v_dna = data[u], data[v]
if is_k_overlap(u_dna, v_dna, k):
edges.append((u,v))
if is_k_overlap(v_dna, u_dna, k):
edges.append((v,u))
return edges
例如,根据上述数据,我们得到:
>>> k_edges(data, 3)
[('Rosalind_2391', 'Rosalind_2323'),
('Rosalind_0498', 'Rosalind_2391'),
('Rosalind_0498', 'Rosalind_0442')]