微卫星中CGG的计数

Question

我的任务是在字典中作为值存储的序列中查找CGG的多个重复(下面作为示例名为"dict“)。行中的重复数应该是5或更高。例如：CGGCGGCGGCGGCGG和更高版本。让我们称之为重复：“串联”。一旦我找到这样的串联，我将不得不计算有多少“CGG”是为特定的串联。这是那个例子的字典。

dict={ind_1:"ACGGCGAGCGCGGGCGGCGGCGGTGACGGAGGCGCCCGTGCCAGGGGGCGTGCGGCAGCG**CGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGG**GCCTCGAGCGCCCGCAGCCCACCTCTCGGGGGCGGGCTCCCGGCGCTAGCAGGGCTGAAGAGAAGATGGAGGAGCTGGTGGTGGAAGTGCGGGGCTCCAATGGCGCTTTCTACAAGGTACTTGGCTCTAGGGCAGGCCCCATCTTCGCCCT", 
ind_10:"ACGGCGAGCGCGGGCGGCGGCGGTGACGGAGGCGCCCGTGCCAGGGGGCGTGCGGCAGCGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGGCGAGCGCCCGCAGCCCACCTCTCGGGGGCGGGCTCCCGGCGCTAGCAGGGCTGAAGAGAAGATGGAGGAGCTGGTGGTGGAAGTGCGGGGCTCCAATGGCGCTTTCTACAAGGTACTTGGCTCTAGGGCAGGCCCCATCTTCGCCCT"}

例如，在第一个键(ind_1)的值中，只有一个串联(在Bold中)，因为它包含一个重复的CGG，即5或更高。在这个串联中，它应该有47“CGG”在这个串联。这意味着，一旦我找到一个连续有5个重复CGG的串联，我需要在这个特定的串联中计算CGG的数目

我试过这个代码：

dict_results = {}
for key,value in dict.items():
   tandem = 0
if value.count("CGGCGGCGGCGGCGGCGG"): 
    tandem = value.count("CGG")
dict_results[key] = tandem

但是对于第一个值(ind_1)，它说我有58个重复。它计算的是序列中CGG的所有，而不是特定序列中的一个(其中有47个)。

我的目标是在迭代完成后有47个重复。

我也尝试过一个门槛：

fragile_x_test_results = {}
for key,value in fragile_x_test.items():
    tandem = 0
    if value.count("CGG") > 5: 
        tandem = value.count("CGG")
    fragile_x_test_results[key] = tandem

但还是没有运气。我得到了58个而不是47个重复的CGG

Answer 1

这可以通过使用.index()测试字符串中是否存在n*"CGG“并减少n (int)的值来完成。例如，在长度为20的字符串中，您测试是否存在6*"CGG“：如果是，请记住它，然后在没有此6*"CGG”的情况下创建子字符串，然后使用5*"CGG“等.

下面的函数工作在这个逻辑上，并且能够检测字符串中是否有多个相同长度的串列：

def tandem_search(pattern,string):
    st=string
    result=[]
    for i in range(len(dic['ind_1'])//3+1,5,-1):
        while True:
            try:
                j=st.index(i*pattern)
                result.append(i)
                st=st[:j]+st[j+i*3:]
            except:
                break
    return(result)

通过它，我得到了以下结果：

tandem_search("CGG",dic['ind_1']) = [47]
tandem_search("CGG",dic['ind_10']) = [70]