如何解决如何按升序对我最常用的3聚体列表进行排序?
我正在编写代码,以找出DNA序列中最常见的3聚体。我编写了一个代码,计算一个3字符的出现次数,如果该数目大于1,则该代码会记录字符串和出现次数。
这给了我一个本质上多余的清单。我想对列表进行排序,以使我在列表中只看到每个3聚体一次。
下面是编写的代码:
int main()
{
char dna[1000];
char read[3] = {0};
char most_freq[3];
printf("Enter the DNA sequence\n");
fgets(dna,sizeof(dna),stdin);
int i,j;
for(i=0; i<strlen(dna)-3; i++)
{
read[0] = dna[i];
read[1] = dna[i+1];
read[2] = dna[i+2];
int count=0,maxcount=1;
for(j = 0; j < strlen(dna); j++)
{
if(dna[j] == read[0] && dna[j+1] == read[1] && dna[j+2] == read[2])
{
count++;
}
else
{
continue;
}
}
if(count > maxcount)
{
maxcount = count;
printf("%s %d\n",read,maxcount);
}
}
}
这是我输入的结果:
CGCCTAAATAGCCTCGCGGAGCCTTATGTCATACTCGTCCT
CGC 2
GCC 3
CCT 4
ATA 2
AGC 2
GCC 3
CCT 4
CTC 2
TCG 2
CGC 2
AGC 2
GCC 3
CCT 4
GTC 2
ATA 2
CTC 2
TCG 2
GTC 2
CCT 4
很明显,答案是CCT,但我不希望输出出现冗余。我该如何解决?
解决方法
在C
#include <stdlib.h>
#include <string.h>
#include <stdio.h>
typedef struct {
char n_base[4];
int count;
} NMer_3;
typedef struct {
int count;
NMer_3 trimer[4 * 4 * 4];
} dict;
int cmp(const void* a,const void* b) {
return strncmp((char*)a,(char*)b,3);
}
void insertTrimer(dict* d,char c[3]) {
NMer_3* ptr = (NMer_3*)bsearch((void*)c,(void*)d->trimer,d->count,sizeof(NMer_3),cmp);
if (ptr == NULL) {
int offset = d->count;
strncpy(d->trimer[offset].n_base,c,3);
d->trimer[offset].count = 1;
d->count++;
qsort(d->trimer,cmp);
} else {
ptr->count++;
}
}
int main() {
char dna[1000];
dict d;
printf("Enter the DNA sequence\n");
char* res = fgets(dna,sizeof(dna),stdin);
if (res == NULL)
return 1;
char* ptr = &dna[0];
for (int i = 0; i < strlen(dna) - 2; i++)
insertTrimer(&d,ptr++);
for (int i = 0; i < d.count; i++)
printf("%s : %d\n",d.trimer[i].n_base,d.trimer[i].count);
return 0;
}
基本上,每个3-mer是较大结构中的一个条目。较大的结构进行二进制搜索,并在每次发现新的3聚体时进行q分类。否则,如果找到重复,则其条目将递增。
这是您输入所使用的结果
AAA : 1
AAT : 1
ACT : 1
AGC : 2
ATA : 2
ATG : 1
CAT : 1
CCT : 4
CGC : 2
CGG : 1
CGT : 1
CTA : 1
CTC : 2
CTT : 1
GAG : 1
GCC : 3
GCG : 1
GGA : 1
GTC : 2
TAA : 1
TAC : 1
TAG : 1
TAT : 1
TCA : 1
TCC : 1
TCG : 2
TGT : 1
TTA : 1
如何提高速度:
- 使用类似水母的程序
- 使用哈希图。没有用于散列表/表的标准C库。基本上,您将要做的事情与我在这里所做的非常相似。内存管理可能是一个挑战。但是,您将对序列中的每个3聚体进行O(1)搜索,而不是O(log(n)),此外,加法运算将仅是O(1)而不是O(n * log(n))排序。
如果您使用C ++进行操作,则会获得很多好处,第一个是很多更简单的代码:
#include <string>
#include <iostream>
#include <map>
int main() {
std::string dna;
printf("Enter the DNA sequence\n");
std::getline(std::cin,dna);
auto d = std::map<std::string,int>{};
for (int i = 0; i < dna.size() - 2; i++){
auto mer3 = dna.substr(i,3);
auto itr = d.find(mer3);
if (itr == d.end()){
d[mer3] = 1;
} else {
itr->second += 1;
}
}
for (auto i : d) std::cout << i.first << ':' << i.second << '\n';
std::cout <<std::endl;
return 0;
}
这实际上与C示例相同。
如果将map
替换为unordered_map
,它将变得更快,但是不会对输出进行排序。
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。