生信算法3 - 基于k-mer算法获取序列比对索引

2023-12-15 11:43:58

生信DNA检测算法

建议在Jupyter实践,python版本3.9

基于k-mer算法获取序列比对索引的python实现

class Index(object):
    def __init__(self, t, k):
        ''' Create index from all substrings of size 'length' '''
        # k-mer长度 (k)
        self.k = k  
        self.index = []
        # 遍历每个k-mer
        for i in range(len(t) - k + 1):
            # add (k-mer, offset) pair
            self.index.append((t[i:i+k], i))
        # 按k-mer字母顺序排列
        self.index.sort() 
    
    def query(self, p):
        ''' Return index hits for first k-mer of P '''
        # query with first k-mer
        kmer = p[:self.k]  
        # binary search
        i = bisect.bisect_left(self.index, (kmer, -1))  
        hits = []
        # collect matching index entries
        while i < len(self.index):  
            if self.index[i][0] != kmer:
                break
            hits.append(self.index[i][1])
            i += 1
        return hits

def queryIndex(p, t, index):
    k = index.k
    offsets = []
    for i in index.query(p):
        # 验证剩余部分是否匹配
        if p[k:] == t[i+k:i+len(p)]:  
            offsets.append(i)
    return offsets

输出结果

# 测试1
test_seq = 'ACTTGGAGATCTTTGAGGCTAGGTATTCGGGATCGAAGCTCATTTCGGGGATCGATTACGATATGGTGGGTATTCGGGA'
pattern_seq = 'GGTATTCGGGA'

index = Index(test_seq, 4)
print(queryIndex(pattern_seq, test_seq, index))
# 相同序列共匹配到2个位置,[21, 68]


# 测试2
test_seq = 'ACTTGGAGATCTTTGAGGCTAGGTATTCGGGATCGAAGCTCATTTCGGGGATCGATTACGATATGGTGGGTATTCGGGA'
pattern_seq = 'ACTTG'

index = Index(test_seq, 4)
print(queryIndex(pattern_seq, test_seq, index))
# 未匹配到相同序列,[0]


生信算法文章

生信算法1 - DNA测序算法实践之序列操作
生信算法2 - DNA测序算法实践之序列统计

文章来源:https://blog.csdn.net/LittleComputerRobot/article/details/134974276
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。