如何解决如何更改for循环以有效地工作python
我一直坚持使用这个脚本,如果您能帮助我输入您的信息,那就太好了。我的问题是我认为脚本效率不高 - 结束运行需要很多时间。
我有一个包含大约 9000 个序列行的 fasta 文件(下面的示例),我的脚本的作用是:
- 读取第一行(忽略以
>
开头的行)并生成 6mers(6 个字符块) - 将这些 6mer 添加到列表中
- 对之前的 6mers (list2) 进行反向补充
- 如果行中没有反向互补 6mer,则保存该行。
- 然后转到文件中的下一行,并检查它是否包含任何反向补码 6mer(在列表 2 中)。如果是,它会丢弃它。如果没有,它会保存该行,并将新的所有反向互补 6-mers 读入 list2 - 除了已经存在的反向互补 6-mers。
我的文件:
>seq1
TCAGATGTGTATAAGAGACAGTTATTAGCCGGTTCCAGGTATGCAGTATGAGAA
>seq2
TCAGATGTGTATAAGAGACAGCGCCTTAATGTTGTCAGATGTCGAAGGTTAGAA
>seq3
TCAGATGTGTATAAGAGACAGTGTTACAGCGAGTGTTATTCCCAAGTTGAGGAA
>seq4
TCAGATGTGTATAAGAGACAGTTACCTGGCTGCAATATGGTTTTAGAGGACGAA
这是我的代码:
import sys
from Bio import SeqIO
from Bio.Seq import Seq
def hetero_dimerization():
script = sys.argv[0]
file1 = sys.argv[1]
list = []
list2 = []
with open(file1,'r') as file:
for record in SeqIO.parse(file,'fasta'):
for i in range(len(record.seq)):
kmer = str(record.seq[i:i + 6])
if len(kmer) == 6:
list.append(kmer)
#print(record.seq)
#print(list)
for kmers in list:
C_kmer = Seq(kmers).complement()
list2.append(C_kmer[::-1])
#print(list2)
cnt=0
if any(items in record.seq for items in list2):
cnt +=1
if cnt == 0:
print('>'+record.id)
print(record.seq)
if __name__ == '__main__':
hetero_dimerization()
如果您能帮助我使此代码非常高效且快速运行,那就太好了 - 谢谢。
解决方法
如果我没记错的话,您可以将 .complement()
调用拉到内部 for for 循环之外。这也摆脱了第一个列表。
def hetero_dimerization():
file1 = sys.argv[1]
list2 = []
with open(file1,'r') as file:
for record in SeqIO.parse(file,'fasta'):
complement = record.seq.complement()
for i in range(len(complement)):
kmer = str(complement[i:i + 6])
if len(kmer) == 6:
list2.append(kmer[::-1])
cnt = 0
if any(items in record.seq for items in list2):
cnt += 1
if cnt == 0:
print('>' + record.id)
print(record.seq)
此更改将我机器上的运行时间从 20 秒减少到大约 0.5 秒 - 对于大约 500 个序列的相当小样本。
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。