我正在使用一個函式，我需要匹配的大寫字母的開始和結束索引。但要記住的一件事是，如果任何字串中有任何“-”，我們需要從計數中跳過索引。例如：
str1 = 'ATCGATCGATCG------ATCGATCG'
str2 = 'CGcgCGCGCGCG---CGCCGCGcgCG'
這里，實際上應該計算字串的長度：
str1:20（而不是26）
和str2:23（而不是26）。
這里的開始和結束索引應該是：
matched_str: 'CG', 'CG', 'CG', 'CG'
start = [6, 10, 14, 18]
end= [7, 11, 18, 22]
現在我得到了以下函式，它在遇到兩個字串中的任何一個中的 '-' 時不會跳過索引。如何修改以下代碼來做到這一點？
str1 = 'ggtacTGAGGTCCCCTGGGTACTGAGATCTCCTCGGTACTGAAGTCTCCTCGGTGCTGAGGTCGCCTCGGTGCTGAGACCTCCTAGGTATTGAGGTCGCCTCGGTACTGAGGTTGCCTC----------------------------GGTGCTGAGGT-----CGCCACGGTGCTGAGACCTCCTAGATACTGAGG----TCTCCTAGGCACGGAGATCTCCTATGTACAGAGACCTCGTCGGTACTGAGGTCGCCTAGGTACTGAGACCTTCTAGGTCCTGAGGT--------CTAGGTACTGAGG-CCTTCTCC\n'
str2 = 'GATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTT-CCTCTCCCGGGATGCTGAGGTTCCTCTCCCGGGATGCTGAGGTTCCTCTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCTCTCCCAG---------------------------------GATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCTCTCCCAGGATGCTGAGGTTCCTCTCC\n'
matches = []
for i,(letter1, letter2) in enumerate(zip(str1,str2)):#i=index, letter1=str1, letter2=str2
# print(letter1, letter2)
if ((letter1 == letter2) and
letter1 in ['A','T','C','G'] and letter2 in ['A','T','C','G']):
if (not matches or matches[-1][1] != i-1):
matches.append([i,i])
else:
matches[-1][1] = 1
start = [k[0] for k in matches]
end = [k[1] for k in matches]
print(start, end)
uj5u.com熱心網友回復：
我實際上建議只對字串進行一些預處理
str1 = 'ggtacTGAGGTCCCCTGGGTACTGAGATCTCCTCGGTACTGAAGTCTCCTCGGTGCTGAGGTCGCCTCGGTGCTGAGACCTCCTAGGTATTGAGGTCGCCTCGGTACTGAGGTTGCCTC----------------------------GGTGCTGAGGT-----CGCCACGGTGCTGAGACCTCCTAGATACTGAGG----TCTCCTAGGCACGGAGATCTCCTATGTACAGAGACCTCGTCGGTACTGAGGTCGCCTAGGTACTGAGACCTTCTAGGTCCTGAGGT--------CTAGGTACTGAGG-CCTTCTCC'
str2 = 'GATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTT-CCTCTCCCGGGATGCTGAGGTTCCTCTCCCGGGATGCTGAGGTTCCTCTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCTCTCCCAG---------------------------------GATGCTGAGGTTCCCAGGATGCTGAGGTTCCCAGGATGCTGAGGTTCCTCTCCCAGGATGCTGAGGTTCCTCTCC'
str1 = list(str1)
str2 = list(str2)
shortest_len = min(len(str1), len(str2))
for i in range(shortest_len):
if str1[i] == '-' or str2[i] == '-':
str1[i] = '-'
str2[i] = '-'
str1 = '-'.join(str1).replace('-','')
str2 = '-'.join(str2).replace('-','')
這只是確保兩個字串在完全相同的索引處都有“-”，然后您可以將它們從字串中洗掉。
uj5u.com熱心網友回復：
我不會修改您的代碼，而是在進入您撰寫的代碼之前添加幾行來準備您的字串。
假設我們有這兩個字串：
str1 = GCGC----ATGC
str2 = GC----AgcTGG
在這種情況下，如果兩個字串中的一項中有“-”，只需洗掉“-”和與洗掉的“-”具有相同索引的字母，在這種情況下，您將擁有：
str1_preprocessed = GCATGC ( GC GC---- ATGC )
str2_preprocessed = GCcTGG ( GC ----Ag cTGG )
然后你就可以為你的函式準備好字串了。
uj5u.com熱心網友回復：
答案將是以下函式。我使用了exclusive1和exclusive2變數通過跳過'-'來分別計算str1和str2的索引。但我保持 2 個字串的長度相同。然后我使用第三個“for 回圈”來計算匹配字串的開始和結束索引（考慮原始字串包括“-”）。然后我使用這些開始和結束索引作為exclusive1 和exclusive2 變數的索引。
def matched_indices():
str1 = 'GGTGGCGGGGACGGACTCGTGGTGACATGTCCGCGTGTGTGCTTTGCTCTCAGGGAGCCACGACACGATGACGTACTGCCTGAACAAGAAGTCCCCCATTTCGCACGAGGAGTCCCGGCTGCTGCAGCTGCTGAACAAGGCCTTGCCCTGCATCACGCGCCCTGTCGTGCTGAAATGGTCCGTCACCCAGGTACGG\n'
str2 = 'GGCGTCAGGGGCGG---------GATATGACCG-GTGACTTGCGTGTCCCCAGGGAGCCACGACACGATGACATACTGCCTGAACCGTAAGTCTCGGATCTCCCGTGCAAGTTCGTGGCTACTGCACCTGTTGGGCCGGGTCGTGCCATTCATCACCGGGCCCGTGGTGATGAAATGGTCGGTCACACAGGTGAGG\n'
exclusive1 = [] #new indices skipping indels for 1st sequence
exclusive2 = [] #new indices skipping indels for 2nd sequence
count=0
for idx, val in enumerate(str1):
if (val not in ['-', '\n', ' ', '-', '.']) and (idx!=len(str1)-1) and (str1[idx 1] not in ['-', '\n', ' ', '-', '.']): #str is not '-' and not the last idx and next is not '-'
exclusive1.append(count)
count =1
elif (val not in ['-', '\n', ' ', '-', '.']) and (idx==len(str1)-1): #str is not '-' and the last idx
exclusive1.append(count)
elif (val in ['-', '\n', ' ', '-', '.']) and (idx!=len(str1)-1) and (str1[idx 1] not in ['-', '\n', ' ', '-', '.']): #str is '-' and not the last idx and next is not '-'
exclusive1.append(count)
count =1
else: #str is '-'
exclusive1.append(count)
count=0
for idx, val in enumerate(str2):
if (val not in ['-', '\n', ' ', '-', '.']) and (idx!=len(str2)-1) and (str2[idx 1] not in ['-', '\n', ' ', '-', '.']):
exclusive2.append(count)
count =1
elif (val not in ['-', '\n', ' ', '-', '.']) and (idx==len(str2)-1):
exclusive2.append(count)
elif (val in ['-', '\n', ' ', '-', '.']) and (idx!=len(str2)-1) and (str2[idx 1] not in ['-', '\n', ' ', '-', '.']):
exclusive2.append(count)
count =1
else:
exclusive2.append(count)
matches = []
for i,(letter1, letter2) in enumerate(zip(str1,str2)):#i=index, letter1=str1, letter2=str2
if ((letter1 == letter2) and (letter1 in ['A','T','C','G']) and (letter2 in ['A','T','C','G'])):
if not matches or matches[-1][1] != i-1:
matches.append([i,i])
else:
matches[-1][1] = 1
start = [k[0] for k in matches]
end = [k[1] for k in matches]
first_start = [exclusive1[i] for i in start]
second_end = [exclusive2[i] for i in end]
first_end = [exclusive1[i] for i in end]
second_start = [exclusive2[i] for i in start]
return first_start, first_end, second_start, second_end
first_start = []
first_end = []
second_start = []
second_end = []
for _ in starmap(list.extend, zip([first_start, first_end, second_start, second_end], matched_indices())):
pass
print(first_start, first_end, second_start, second_end)
輸出：
first_start [0, 3, 5, 7, 11, 23, 26, 30, 34, 39, 44, 48, 50, 73, 88, 94, 97, 100, 103, 106, 112, 116, 121, 127, 131, 135, 138, 141, 143, 148, 150, 158, 160, 163, 166, 170, 181, 187, 194]
first_end [1, 3, 5, 9, 13, 24, 28, 32, 36, 39, 45, 48, 71, 84, 92, 94, 98, 101, 103, 106, 113, 119, 125, 129, 132, 135, 139, 141, 146, 148, 155, 158, 161, 164, 168, 179, 185, 191, 195]
second_start [0, 3, 5, 7, 11, 14, 17, 21, 24, 29, 34, 38, 40, 63, 78, 84, 87, 90, 93, 96, 102, 106, 111, 117, 121, 125, 128, 131, 133, 138, 140, 148, 150, 153, 156, 160, 171, 177, 184]
second_end [1, 3, 5, 9, 13, 15, 19, 23, 26, 29, 35, 38, 61, 74, 82, 84, 88, 91, 93, 96, 103, 109, 115, 119, 122, 125, 129, 131, 136, 138, 145, 148, 151, 154, 158, 169, 175, 181, 185]
盡管是相同匹配字串的一部分，但您可以在兩個字串中看到上述 4 個索引的差異。這就是我今天試圖解決并尋求幫助的問題，但似乎沒有人正確理解我的問題。所以，我附上了解決方案，以供未來的任何幫助。
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/396859.html