Python2.7-识别致病性群岛-计算字符串各节的GC含量

Question

我正在尝试编写一个函数，它查看一个较长字符串的段，计算GC内容，然后移动到下一个段，以此类推。

我已经有了一个计算GC内容的函数。我在编写函数中隔离较长字符串段的部分时遇到了困难。

例如:我有字符串'TATAGCATCGATCTCTGACGTATCGATCGATCGTCTATATA‘，我希望该函数查看前5个索引，调用我现有的函数来计算GC内容，然后转到接下来的5个索引，等等直到字符串结束。

这是我计算GC含量的函数。

def GCcont(DNA):
    '''calculate GC content'''
    counter=0
    for nuc in DNA:
        if nuc=='G' or nuc=='C':
            counter=counter+1
    return counter/float(len(DNA))

有人有什么建议吗？

Answer 1

另一种方法是：

def get_gc_across_sections(s):
    sections =  [s[i:i+5] for i in range(0, len(s), 5)]
    return [GCcont(section) for section in sections]

顺便说一句，在Python中使用蛇用例(而不是camel用例)作为函数名是很常见的。

Answer 2

我会做一个发电机，把你的DNA序列块吐出来：

def section(dna, blocksize):
    start = 0
    while True:
        end = start + blocksize
        yield dna[start:end]
        if end > len(dna):
            break
        start = end

它的工作方式如下：

>>> dna = 'TATAGCATCGATCTCTGACGTATCGATCGATCGTCTATATA'
>>> list(section(dna, 5))
['TATAG', 'CATCG', 'ATCTC', 'TGACG', 'TATCG', 'ATCGA', 'TCGTC', 'TATAT', 'A']

然后计算每个块的GC内容非常简单，如下所示：

>>> [GCcont(block) for block in section(dna, 5)]
[0.2, 0.6, 0.4, 0.6, 0.4, 0.4, 0.6, 0.0, 0.0]