沈阳专业做网站,北京企业官网网站建设,网络目标市场营销策略,2015年友情链接网站源代码下载我是Python和生物信息学的新手,但我正在通过rosalind.info网站学习两种方法.您可以使用后缀树执行此操作.后缀树(见http://en.wikipedia.org/wiki/Suffix_tree)是神奇的数据结构,它使生物信息学中的所有事情成为可能.您可以快速找到多个长序列中的公共子串.后缀树只需要线性时间…我是Python和生物信息学的新手,但我正在通过rosalind.info网站学习两种方法.您可以使用后缀树执行此操作.后缀树(见http://en.wikipedia.org/wiki/Suffix_tree)是神奇的数据结构,它使生物信息学中的所有事情成为可能.您可以快速找到多个长序列中的公共子串.后缀树只需要线性时间,因此长度10,000,000是可行的.所以首先找到序列的反向补码.然后将两者放入后缀树中,找到它们之间的公共子串(最小长度).下面的代码使用了这个后缀树实现http://www.daimi.au.dk/~mailund/suffix_tree.html.它是用C语言编写的,带有Python绑定.它不会处理大量的序列,但是两个没有问题.但是我不能说这是否会处理长度10,000,000.from suffix_tree import GeneralisedSuffixTreebaseComplement { A : T, C : G, G : C, T : A }def revc(seq):return .join([baseComplement[base] for base in seq[::-1]])data AGGGTTTCCCTGACCTTCACTGCAGGTCATGCA# revc TGCATGACCTGCAGTGAAGGTCAGGGAAACCCT# 012345678901234567890123456789012# 1 2 3minlength 6n len(data)tree GeneralisedSuffixTree([data, revc(data)])for shared in tree.sharedSubstrings(minlength):#print shared_, start, stop shared[0]seq data[start:stop]_, rstart, rstop shared[1]rseq data[n-rstop:n-rstart]print Match: {0} at [{1}:{2}] and {3} at [{4}:{5}].format(seq, start, stop, rseq, n-rstop, n-rstart)这会产生输出Match: AGGTCA at [23:29] and TGACCT at [10:16]Match: TGACCT at [10:16] and AGGTCA at [23:29]Match: CTGCAG at [19:25] and CTGCAG at [19:25]它每次匹配两次,每次一次.那里也有反向回文
