#python #list #for-loop #dictionary #frequency
#python #Список #for-цикл #словарь #частота
Вопрос:
У меня есть образец, сохраненный в следующем списке
sample = [AAAA,CGCG,TTTT,AT-T,CATC]
.. Чтобы проиллюстрировать проблему, я обозначил их как «Наборы» ниже
Set1 AAAA
Set2 CGCG
Set3 TTTT
Set4 AT-T
Set5 CATC
- Исключите все наборы, где каждый элемент в наборе идентичен самому себе.
Вывод:
Set2 CGCG
Set4 AT-T
Set5 CATC
- Выполните попарное сравнение между наборами. (Set2 v Set4, Set 2v Set5, Set4 v Set5)
- Каждое попарное сравнение может иметь только два типа комбинаций, если нет, то эти попарные сравнения исключаются. например,
Set2 Set5 C C G A C T G C
Здесь существует более двух типов пар (CC), (GA), (CT) и (GC). Таким образом, это попарное сравнение не может произойти.
Каждое сравнение может иметь только 2 комбинации из (AA, GG, CC, TT, AT, TA, AC, CA, AG, GA, GC, CG, GT, TG, CT, TC) … в основном все возможные комбинации ACGT, где порядок имеет значение.
В приведенном примере найдено более 2 таких комбинаций.
Следовательно, Set2 и Set4; Set4 и Set5 не могут быть рассмотрены.Таким образом, остаются только пары:
Output
Set2 CGCG
Set4 AT-T
- В этом попарном сравнении удалите любой элемент с «-» и соответствующий ему элемент в другой паре
Output Set2 CGG Set4 ATT
- Вычислите частоту элементов в Set2 и Set4. Рассчитать частоту встречаемости типов пар в наборах (пары CA и GT)
Output Set2 (C = 1/3, G = 2/3) Set4 (A = 1/3, T = 2/3) Pairs (CA = 1/3, GT = 2/3)
- Вычислить float(a) = (Пары) — (Set2) * (Set4) для соответствующего элемента (достаточно любой пары)
eg. For CA pairs, float (a) = (freq of CA pairs) - (freq of C) * (freq of A)
ПРИМЕЧАНИЕ: если пара представляет собой AAAC и CCCA, частота C будет равна 1/4, т.Е. Это частота базы по одной из пар
- Вычислить
float (b) = float(a)/ (freq of C in CGG) * (freq G in CGG) * (freq A in ATT) * (ATT==> freq of T in ATT)
- Повторите это для всех попарных сравнений
например.
Set2 CGCG
Set4 AT-T
Set6 GCGC
Set2 v Set4, Set2 v Set6, Set4 v Set6
Мой незаконченный код до сих пор: ** Я бы предпочел, чтобы все предлагаемые коды были в стандартном формате for-loop, а не в понимании **
#Step 1
for i in sample:
for j in range(i):
if j = j 1 #This needs to be corrected to if all elements in i identical to each other i.e. if all "j's" are the same
del i
#insert line of code where sample1 = new sample with deletions as above
#Step 2
for i,i 1 in enumerate(sample):
#Step 3
for j in range(i):
for k in range (i 1):
#insert line of code to say only two types of pairs can be included, if yes continue else skip
#Step 4
if j = "-" or k = "-":
#Delete j/k and the corresponding element in the other pair
#Step 5
count_dict = {}
square_dict = {}
for base in list(i):
if base in count_dict:
count_dict[base] = 1
else:
count_dict[base] = 1
for allele in count_dict:
freq = (count_dict[allele] / len(i)) #frequencies of individual alleles
#Calculate frequency of pairs
#Step 6
No code yet
Комментарии:
1. Я не понимаю шаг # 3. Как сделать
CGCG
иAT-T
получить эти пары?2. Каждое сравнение может иметь только 2 комбинации из (AA, GG, CC, TT, AT, TA, AC, CA, AG, GA, GC, CG, GT, TG, CT, TC) … в основном все возможные комбинации ACGT, где порядок имеет значение. В приведенном примере найдено более 2 таких комбинаций. Следовательно, Set2 и Set4; Set4 и Set5 не могут быть рассмотрены.
3. Не могли бы вы привести пример того, что вы подразумеваете под «частотой c» на шаге для пары AAAC и CCCA? Будет ли это 1/4 или 1/2? То есть, это частота базы по одной паре или обеим парам?
4. Каким должен быть base1? Также, как совпадают set2 и set4, учитывая, что у них нет совпадающих букв?
5. Я исправил оператор «base1». Set2 и Set4 считаются совпадающими, поскольку они соответствуют критериям, что, у него есть только 2 уникальные комбинации CA и GT ..в то время как Set2 v Set5 имеют (CC), (GA), (CT) и (GC) (более 2 уникальных пар)
Ответ №1:
Я думаю, это то, что вы хотите:
from collections import Counter
# Remove elements where all nucleobases are the same.
for index in range(len(sample) - 1, -1, -1):
if sample[index][:1] * len(sample[index]) == sample[index]:
del sample[index]
for indexA, setA in enumerate(sample):
for indexB, setB in enumerate(sample):
# Don't compare samples with themselves nor compare same pair twice.
if indexA <= indexB:
continue
# Calculate number of unique pairs
pair_count = Counter()
for pair in zip(setA, setB):
if '-' not in pair:
pair_count[pair] = 1
# Only analyse pairs of sets with 2 unique pairs.
if len(pair_count) != 2:
continue
# Count individual bases.
base_counter = Counter()
for pair, count in pair_count.items():
base_counter[pair[0]] = count
base_counter[pair[1]] = count
# Get the length of one of each item in the pair.
sequence_length = sum(pair_count.values())
# Convert counts to frequencies.
base_freq = {}
for base, count in base_counter.items():
base_freq[base] = count / float(sequence_length)
# Examine a pair from the two unique pairs to calculate float_a.
pair = list(pair_count)[0]
float_a = (pair_count[pair] / float(sequence_length)) - base_freq[pair[0]] * base_freq[pair[1]]
# Step 7!
float_b = float_a / float(base_freq.get('A', 0) * base_freq.get('T', 0) * base_freq.get('C', 0) * base_freq.get('G', 0))
Или, более питонически (с пониманием списка / dict, которое вам не нужно):
from collections import Counter
BASES = 'ATCG'
# Remove elements where all nucleobases are the same.
sample = [item for item in sample if item[:1] * len(item) != item]
for indexA, setA in enumerate(sample):
for indexB, setB in enumerate(sample):
# Don't compare samples with themselves nor compare same pair twice.
if indexA <= indexB:
continue
# Calculate number of unique pairs
relevant_pairs = [(elA, elB) for (elA, elB) in zip(setA, setB) if elA != '-' and elB != '-']
pair_count = Counter(relevant_pairs)
# Only analyse pairs of sets with 2 unique pairs.
if len(pair_count) != 2:
continue
# setA and setB as tuples with pairs involving '-' removed.
setA, setB = zip(*relevant_pairs)
# Get the total for each base.
seq_length = len(setA)
# Convert counts to frequencies.
base_freq = {base : count / float(seq_length) for (base, count) in (Counter(setA) Counter(setB)).items()}
# Examine a pair from the two unique pairs to calculate float_a.
pair = list(pair_count)[0]
float_a = (pair_count[pair] / float(seq_length)) - base_freq[pair[0]] * base_freq[pair[1]]
# Step 7!
denominator = 1
for base in BASES:
denominator *= base_freq.get(base, 0)
float_b = float_a / denominator
Комментарии:
1. В # Remove elements, где все ядерные базы одинаковы, вы предполагаете, что образец будет иметь одинаковую структуру только из 4 оснований. Он может иметь n количество оснований. Я думаю, было бы лучше добавить этот sample1 = [] для i в sample: if len(set(i)) > 1: sample1.append(i)
2. (2) Я крайне сожалею о путанице, но что касается вашего более раннего вопроса, когда есть AAAC и CCCA, Он должен быть 1/4, т.Е. Частота над одной парой.
3. Кроме того, я получаю эту ошибку при компиляции float_b = float_a / (base_freq.get(‘A’, 0) * base_freq.get(‘T’, 0) * base_freq.get(‘C’, 0) * base_freq.get(‘G’, 0)) Ошибка нулевого разделения: целое числоделение или по модулю на ноль
4. Комментарий 1: Я почти уверен, что правильно понял — если вся строка состоит из первого символа (если он существует — код работает для строк нулевой длины), удалите его.
5. Комментарий # 3: у меня это как инициализатор для
sample
:sample = ['AAAA', 'CGCG', 'TTTT', 'AT-T', 'CATC']
. Возможно, у вас что-то другое?