问题标签 [dna-sequence]

我在 python 中有一个列表，其中包含一个项目，它是以 Newick 格式编写的树，如下所示：

在树格式中，如下所示：

我正在尝试编写一些代码来查看列表项并返回 ID (BMNHxxxxxx)，这些 ID (BMNHxxxxxx) 由 0 的分支长度（例如 <0.001）连接（以红色突出显示）。我考虑过使用正则表达式，例如：

取自另一个 StackOverflow 答案，其中项目 A 将是“：”，因为分支长度始终出现在 a : 之后，而项目 B 将是“，”或“）”或“；” 因为这些有三个字符来分隔它，但我在正则表达式方面没有足够的经验来做到这一点。

在这种情况下，通过使用 0 的分支长度，我希望代码输出 ['BMNH703458a', 'BMNH703458b']。如果我可以将其更改为还包括由用户定义值的分支长度（例如 0.01）连接的 ID，这将非常有用。

如果有人有任何意见，或者可以指出一个有用的答案，我将不胜感激。

好的，所以我编写了这个程序，它应该使用动态编程来对 dna 字符串进行排序并插入间隙以创建最佳数量的配对。下面的代码是我写的，理论上它应该可以工作。但事实并非如此。它编译但是当它运行时它会无限运行。我试图在我看到的代码中插入检查，二维矩阵没有初始化和填充，因此卡在它将运行回溯程序的点。我可以用什么来调试它并找出代码不起作用的原因？

Below is my highly inefficient and non working code for converting RNA sequence to Protein:

Now there are two problems associated with it:

1. It is not working(Array out of bound exception)
2. I cannot figure out how to manage the flanking unassociated redundant codes, which don't code for anything.

Is there any way I can use regex to solve this problem? (I mean like in perl) Edit : whole exception

我必须找到简单的序列重复，并且必须存储每个独特的重复及其位置。我已经编写了一个 perl 代码来做到这一点（它确实有大量的 if 和 for 用于查找重复直到五聚体）。我的问题是，在java中是否有一些更简单的方法可以做到这一点，比如一些正则表达式或搜索字符串并返回我连续重复和位置的计数，不涉及许多控制语句和迭代的东西。

更新：一个简单的序列重复（SSR）只是一个不间断的重复字符串，从二聚体开始（即两个不同的字符一起重复。）。这就像一个词在一个句子中不断重复，没有中断。如果是 DNA，它看起来像

这里 AT 和 TGA 是简单的序列重复，AT 是二聚体，TGA 是三聚体。我必须找到的是序列重复的起始位置，它被重复了多少次（即长度）以及它是哪个序列（即 AT 例如从位置 6 开始，它被重复 10 次，TGA 是从位置 25 开始，依此类推）

我的 perl 代码 :(而且它有点错误)

所以我正在尝试创建一个类，它在三个不同的帧中读取 DNA 字符串——一个从位置 0（或第一个碱基）开始，另一个从位置 1（第二个碱基）开始，第三个开始读取在位置 2（第三个基地）。到目前为止，这是我一直在玩的：

在这一点上，我认为这几乎是无稽之谈，但我已尽力而为。如果有人能给我一个关于我可以在这门课上从哪里开始纠正的想法，那就太好了。

DNA是一种编码生物信息的结构。最近，DNA 被用于编码数字信息。（即，将照片、文本等数字信息翻译成 DNA 序列。究竟使用什么算法将二进制文件翻译成 DNA 序列？

正如维基百科所说：

每立方毫米 DNA 可储存 5.5 PB

http://en.wikipedia.org/wiki/DNA_digital_data_storage

因此它是在 DNA 中存储大量信息的有效方法。是否有任何好的参考书或教程书可以训练如何有效地将信息编码为 DNA 并将它们再次解码为原始信息？

谢谢

所以我有一个代码，它是一个突变 dna 生成器——更具体地说，它产生 100 条链，任何碱基的点突变频率为 0.066%，来自我在代码中指定的原始链。然而，我遇到的问题是打印语句。我没有得到输出，我不知道为什么。这是我的代码：

有人知道我还应该添加什么以获得我在函数中指定的输出吗？我确实包含了一个打印语句，所以我不确定为什么代码没有产生任何结果。

编辑2：

那么代码应该看起来像这样吗？

但是如果我将结果移到函数之外，以便在函数内不重复 mutate，我会收到以下错误消息：

我需要对我以 FASTA 格式下载的 DNA 序列（核苷酸）序列执行 K 均值聚类和层次聚类。所以在执行聚类之前，我需要对基数（a，t，c，g）进行十进制编码。那么如何做到这一点..这样我就可以在 MATLAB 中以矩阵形式获取这个输入？

我有一个 DNA 序列，想用 Python 得到它的反向补充。它位于 CSV 文件的一列中，我想将反向补码写入同一文件中的另一列。棘手的部分是，有一些单元格不是 A、T、G 和 C。我能够用这段代码得到反向补码：

但是，当我尝试使用下面的代码查找补码字典中不存在的项目时，我只得到最后一个基数的补码。它不迭代。我想知道如何修复它。

给出了主要的 DNA 序列（一个字符串）（比如说 string1）和另一个要搜索的字符串（比如说 string2）。您必须在 string1 中找到最小长度窗口，其中 string2 是子序列。
string1 = "abcdefababaef"
string2 = "abf"

我想到但似乎不起作用的方法：
1. 使用最长公共子序列（LCS）方法并检查（LCS 的长度 = string2 的长度）。但这会给我 string2 是否作为子序列存在于 string1 中，但不是最小的窗口。
2. KMP 算法，但不知道如何修改它。
3. 准备string2 中string1 的{characters: pos of characters} 的映射。喜欢： { a : 0,6,8,10
b : 1,7,9
f : 5,12 }
然后一些方法来找到最小窗口并仍然保持“abf”的顺序

我不确定我是否在思考正确的方向，或者我完全偏离了方向。
有没有已知的算法，或者有人知道任何方法吗？请建议。
提前致谢。