如何解决Python:建立共识序列
我想从 python 中的几个序列构建一个共识序列,我正在寻找最有效/最 pythonic 的方式来实现这一点。
sequences = ["ACTAG","-TTCG","CTTAG"]
我还有这样的字母表:
alphabet = ["A","C","G","T"]
和这样的位置频率矩阵:
[A C G T]
1 1 0 0
0 1 0 2
0 0 0 3
2 1 0 0
0 0 3 0
如果某个字符在某个位置出现次数最多,则将该字符作为共识序列。
此外,当 2 个或更多字符在同一位置出现相同时,还有其他字符(在此示例中位置 0 => A 或 C = M,参见 IUPAC Codes)
因此,我的示例预期的共有序列是“MTTAG”。
编辑:
根据给定的字母表和位置频率矩阵获得此一致序列的最有效/最pythonic 的方法是什么?
解决方法
如果您已经有了位置频率矩阵,则可以将其作为 Pandas DataFrame 进行处理。我选择将它定位为字母是索引(注意末尾的 transpose
调用):
freq = pd.DataFrame([[1,1,0],[0,2],3],[2,3,0]],columns=['A','C','G','T']).transpose()
给予
0 1 2 3 4
A 1 0 0 2 0
C 1 1 0 1 0
G 0 0 0 0 3
T 0 2 3 0 0
您只想查看最常见的核苷酸:
most_common = freq[freq == freq.max(axis=0)]
给予
0 1 2 3 4
A 1.0 NaN NaN 2.0 NaN
C 1.0 NaN NaN NaN NaN
G NaN NaN NaN NaN 3.0
T NaN 2.0 3.0 NaN NaN
然后创建一个函数,根据 IUPAC 代码从上述矩阵的单列中确定共识:
codes = {
'A': 'A','C': 'C','G': 'G','T': 'T','AG': 'R','CT': 'Y','CG': 'S','AT': 'W','GT': 'K','AC': 'M','CGT': 'B','AGT': 'D','ACT': 'H','ACG': 'V','ACGT': 'N'
}
def freq_to_code(pos):
top_nucs = pos.dropna().index
key = ''.join(sorted(top_nucs))
return codes[key]
将该函数应用于每一列并形成一个字符串以获得最终结果:
consensus = most_common.apply(freq_to_code,axis=0)
print(''.join(consensus))
给出 MTTAG
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。