R 如何找到密码子的特定频率？

我试图在R中建立一个函数，可以计算每个密码子的频率。 我们知道蛋氨酸是一种仅由一组密码子ATG形成的氨基酸，因此它在每一组序列中的百分比为1。其中，甘氨酸可由GGT、GGC、GGA、GGG形成，因此每个密码子的出现百分比为0.25。 输入将是类似ATGGGTGGCGGAGG的DNA序列，借助密码子表，它可以计算输入中每次出现的百分比

请帮助我提出实现此功能的方法

比如说,， 如果我的论点是ATGTTGCTGG 那么，我的结果就是

ATG=1
TGT=0.5
TGC=0.5
TGG=1

---

R的数据：

codon <- list(ATA = "I", ATC = "I", ATT = "I", ATG = "M", ACA = "T", 
    ACC = "T", ACG = "T", ACT = "T", AAC = "N", AAT = "N", AAA = "K", 
    AAG = "K", AGC = "S", AGT = "S", AGA = "R", AGG = "R", CTA = "L", 
    CTC = "L", CTG = "L", CTT = "L", CCA = "P", CCC = "P", CCG = "P", 
    CCT = "P", CAC = "H", CAT = "H", CAA = "Q", CAG = "Q", CGA = "R", 
    CGC = "R", CGG = "R", CGT = "R", GTA = "V", GTC = "V", GTG = "V", 
    GTT = "V", GCA = "A", GCC = "A", GCG = "A", GCT = "A", GAC = "D", 
    GAT = "D", GAA = "E", GAG = "E", GGA = "G", GGC = "G", GGG = "G", 
    GGT = "G", TCA = "S", TCC = "S", TCG = "S", TCT = "S", TTC = "F", 
    TTT = "F", TTA = "L", TTG = "L", TAC = "Y", TAT = "Y", TAA = "stop", 
    TAG = "stop", TGC = "C", TGT = "C", TGA = "stop", TGG = "W")

---

codon首先，我得到我的查找列表和序列

codon <- list(ATA = "I", ATC = "I", ATT = "I", ATG = "M", ACA = "T", 
              ACC = "T", ACG = "T", ACT = "T", AAC = "N", AAT = "N", AAA = "K", 
              AAG = "K", AGC = "S", AGT = "S", AGA = "R", AGG = "R", CTA = "L", 
              CTC = "L", CTG = "L", CTT = "L", CCA = "P", CCC = "P", CCG = "P", 
              CCT = "P", CAC = "H", CAT = "H", CAA = "Q", CAG = "Q", CGA = "R", 
              CGC = "R", CGG = "R", CGT = "R", GTA = "V", GTC = "V", GTG = "V", 
              GTT = "V", GCA = "A", GCC = "A", GCG = "A", GCT = "A", GAC = "D", 
              GAT = "D", GAA = "E", GAG = "E", GGA = "G", GGC = "G", GGG = "G", 
              GGT = "G", TCA = "S", TCC = "S", TCG = "S", TCT = "S", TTC = "F", 
              TTT = "F", TTA = "L", TTG = "L", TAC = "Y", TAT = "Y", TAA = "stop", 
              TAG = "stop", TGC = "C", TGT = "C", TGA = "stop", TGG = "W")

MySeq <- "ATGTGTTGCTGG"

然后，我使用
table
计算这三个基本块对应的字母

# Get associated letters
letter_count <- table(unlist(codon[seq_split]))

#获取相关字母
字母计数这里需要解决两件事：

将
密码子
转换为每个字母的分数

( fracs <- 1/table(unlist(codon)) )
#         A         C         D         E         F         G         H         I 
# 0.2500000 0.5000000 0.5000000 0.5000000 0.5000000 0.2500000 0.5000000 0.3333333 
#         K         L         M         N         P         Q         R         S 
# 0.5000000 0.1666667 1.0000000 0.5000000 0.2500000 0.5000000 0.1666667 0.1666667 
#      stop         T         V         W         Y 
# 0.3333333 0.2500000 0.2500000 1.0000000 0.5000000 
codonfracs <- setNames(lapply(codon, function(x) unname(fracs[x])), names(codon))
str(head(codonfracs))
# List of 6
#  $ ATA: num 0.333
#  $ ATC: num 0.333
#  $ ATT: num 0.333
#  $ ATG: num 1
#  $ ACA: num 0.25
#  $ ACC: num 0.25

编辑

由于需要其他密码子的状态，请尝试以下操作：

x <- codonfracs
x[ ! names(x) %in% strsplit3(s) ] <- 0
str(x)
# List of 64
#  $ ATA: num 0
#  $ ATC: num 0
#  $ ATT: num 0
#  $ ATG: num 1
#  $ ACA: num 0
#  $ ACC: num 0
#  $ ACG: num 0
# ...snip...
#  $ TAT: num 0
#  $ TAA: num 0
#  $ TAG: num 0
#  $ TGC: num 0.5
#  $ TGT: num 0.5
#  $ TGA: num 0
#  $ TGG: num 1

x一个稍微不同的路径导致了这个解决方案：

f0 <- function(dna, weight) {
    codons <- regmatches(dna, gregexpr("[ATGC]{3}", dna))
    tibble(id = seq_along(codons), codons = codons) %>%
        unnest() %>%
        mutate(weight = as.vector(wt[codons]))
}

第二，可能存在一个DNA序列载体，而不是一个

dna <- c("ATGTGTTGCTGG", "GGTCGTTGTGTA")

看起来在tidyverse中进行操作很方便，创建一个TIBLE（data.frame），其中
id
指示密码子来自哪个序列

library(tidyverse)
tbl <- tibble(id = seq_along(codons), codon = codons) %>% unnest()

看起来您的示例数据是针对python的。你是不是想用标签代替R？或者（根据问题的内容）您是否忘记为示例数据提供R结构？我建议编辑包含R结构的内容。如果这不是我想要的，我很抱歉，我可以删除它。谢谢你的编辑，很抱歉。现在还不清楚
“TGT”
的
“C”
应该是什么意思，以及如何知道你试图使甘氨酸的含义为0.25。这可能有助于说明如何根据您提供的结构计算出
TGT=0.5
（以及其他）。TGT和TGC编码DNA序列中的C，因此TGC形成C的概率为50%，TGT也为50%。其他氨基酸也是如此。这个问题是基于密码子的用法谢谢你们的帮助，但我应该怎么做才能得到64个密码子的答案呢。我只想得到64个密码子中的百分比，所以假设一个参数中没有TCC密码子，我想它会显示TCC=0，对于TCC=0，只需执行
res[is.na（res）]先生，例如，如果我们的参数像ATGATAATCAT，那么我们会得到一个表，上面说S ATG代码代表M，百分比是！ATA，ATC，ATT为I编码，其百分比为0.3%，其余64个密码子列表显示为0，因为参数中没有其他密码子。如果我的参数包含1000到10k个字符，我想计算每个64个密码子的计数，然后检查其百分比，并在这四列的表格中得到输出（编码的密码子、氨基酸、计数和百分比）那么我该如何处理这个问题呢？请指导我。如何得到你得到的答案？@mayanksinghrajp但我相信我理解你的问题。你运行代码，答案存储在变量
res
中。是的，先生，我得到了，但我只想找到64个密码子的百分比，我的意思是，如果有900个密码子，哪些密码子代表C alon比它所能得出的百分比还要高that@MayankSinghRajput<代码>我想找到64个密码子的百分比只有。如果你只想考虑64个密码子，那么只使用带有64个密码子的列表（如上）。.或者你的意思是你想要得到所有64个密码子的百分比，即使百分比为零？是的，先生，我想要的正是你所说的。
x <- codonfracs
x[ ! names(x) %in% strsplit3(s) ] <- 0
str(x)
# List of 64
#  $ ATA: num 0
#  $ ATC: num 0
#  $ ATT: num 0
#  $ ATG: num 1
#  $ ACA: num 0
#  $ ACC: num 0
#  $ ACG: num 0
# ...snip...
#  $ TAT: num 0
#  $ TAA: num 0
#  $ TAG: num 0
#  $ TGC: num 0.5
#  $ TGT: num 0.5
#  $ TGA: num 0
#  $ TGG: num 1

f0 <- function(dna, weight) {
    codons <- regmatches(dna, gregexpr("[ATGC]{3}", dna))
    tibble(id = seq_along(codons), codons = codons) %>%
        unnest() %>%
        mutate(weight = as.vector(wt[codons]))
}

codon <- unlist(codon)
weight <- setNames(1 / table(codon)[codon], names(codon))

dna <- c("ATGTGTTGCTGG", "GGTCGTTGTGTA")

codons <- regmatches(dna, gregexpr("[ATGC]{3}", dna))

library(tidyverse)
tbl <- tibble(id = seq_along(codons), codon = codons) %>% unnest()

tbl <- mutate(tbl, weight = as.vector(weight[codon]))

> tbl
# A tibble: 8 x 3
     id codon weight
  <int> <chr>  <dbl>
1     1 ATG    1    
2     1 TGT    0.5  
3     1 TGC    0.5  
4     1 TGG    1    
5     2 GGT    0.25 
6     2 CGT    0.167
7     2 TGT    0.5  
8     2 GTA    0.25 

tbl %>% group_by(id, codon) %>%
    summarize(wt = sum(weight))