计算模式频率

Question

我试图制作一个程序，通过文本搜索，并根据所需的kmer长度提取模式。然后，我希望它使用我从课堂上学到的算法将这些模式转换成一个数字，并将这些值存储到字典中，这样我就可以计算每个模式的频率。我知道我可以用模式本身来完成这个任务，但是任务的目标是返回一系列数字(例如：2 2 2 1 1 3 2)。

到目前为止，我能够递归地调用pat2num函数，但是我无法得到它来计算算法，4 * pat2Num(pattern) + symbol。我甚至还没试过用字典。

bases = {'A': 0, 'C': 1, 'G': 2, 'T': 3}


class ComputingFrequencies:
    def __init__(self, text, k, list):
        self.text = text
        self.k = k
        self.list = list  

    def patternGenerator(self):
        return self.freqPat(self.text, self.k)  #begins the class call

    def freqPat(self, text, k):
        for i in range(0, len(text) - k + 1):   #searches length of text corresponding to size of kmer
            pattern = text[i : k + i]           #pulls out kmer
            self.list.append(pattern)           #appends kmer to list
            print self.list
        return self.pat2Nums(list)              #calls pat2Nums

    def pat2Nums(self, list):
        if len(self.list) == 0:
            return 0
        else:
            for pattern in self.list:           #calls pat2Num for each pattern in list
                self.pat2Num(pattern)        

    def pat2Num(self, pattern):
        if len(pattern) == 0:
            self.list = self.list[1:]           
            self.pat2Nums(self.list)
        else:
            symbol = pattern[-1]                #symbol is last char of pattern
            pattern = pattern[0 : -1]           #pattern is (pattern - last char)
            if symbol in bases:
                symbol = bases[symbol]          #symbol becomes number equivalent
                print symbol
                l = 4 * self.pat2Num(pattern) + symbol   #algorithm for turning pattern into number


 c = ComputingFrequencies('AGTAGT', 3, list())
 c.patternGenerator()

更新:我终于得到了一些有用的东西，产生了所需的输出。还需要将所有可能的结果初始化为0，因此产生了很大的输出，大部分为0(万一您运行它)。下面是代码：

import sys
sys.setrecursionlimit(10000)

bases = {'A': 0, 'C': 1, 'G': 2, 'T': 3}
algNum = list()
freqArray = dict()

class ComputingFrequencies:
    def __init__(self, text, k, list, list2):
        self.text = text
        self.k = k
        self.list = list
        self.list2 = list2  

    def patternGenerator(self):
        return self.freqPat(self.text, self.k)  #begins the class call

    def freqPat(self, text, k):
        for i in range(0, 4**k):
            freqArray[i] = 0
        for i in range(0, len(text) - k + 1):   #searches length of text corresponding to size of kmer
            pattern = text[i : k + i]           #pulls out kmer
            self.list.append(pattern)           #appends kmer to list
            print self.list
        return self.pat2Nums(list)              #calls pat2Nums

    def pat2Nums(self, list):
        if len(self.list) == 0:
            l = str(freqArray.values())
            m = l.replace(",", "")
            print m
            #r = open('file')
            #r.write(m)
        else:
            pattern = self.list[0]
            return self.pat2Num(pattern)        

    def pat2Num(self, pattern):
       symbol = pattern[-1]                #symbol is last char of pattern
       pattern = pattern[0 : -1]           #pattern is (pattern - last char)
       if symbol in bases:
            symbol = bases[symbol]         #symbol becomes number equivalent
            algNum.append(symbol)
       if len(pattern) > 0:
            return self.pat2Num(pattern)
       else:
            self.algNum(algNum, self.k)

    def algNum(self, list, k):
        while len(algNum) > 0:
            if len(algNum) == self.k:
                symbol = algNum[-1]
                prev = symbol
            else:
                symbol = algNum[-1]
                alg = 4 * prev + symbol
                prev = alg
            del algNum[-1]
        freqArray[alg] = freqArray.get(alg, 0) + 1
        self.list = self.list[1:]
        return self.pat2Nums(self.list)

 c = ComputingFrequencies('AGTAGT', 3, list())
 c.patternGenerator()

基本上，我把算法从原来的位置拉出来，把符号值存储在另一个列表中，然后在模式长度达到0的时候，通过算法运行这个数字列表。它可能不是最漂亮/最简单/最好的，但它起作用了。感谢所有的编辑！

另外，请注意递归极限的增加。我知道这可能不太好。任何关于迭代器的建议都是受欢迎的(我还没学到呢！)

Answer 1

问题似乎在于您的函数pat2Num()和计算l的行。我们还不太清楚l应该被计算为什么。

原因是l被困在一个无限循环中，直到pattern == None。让我们走过去：

• 启动pat2Num('AGT')
• pattern = 'AGT'
• symbol = 'T'
• 模式变成'AG'
• 计算l，但在公式中使用新模式回忆pat2Num('AG')。
• 这意味着l从未作为任何内容进行计算或存储，因为以前对pat2Num()的调用从未返回任何要存储在l中的内容。
• 一旦函数被重新启动，symbol现在变成G。
• pattern现在变成A
• 计算l，但回想一下pat2Num('A')，从不在l中存储任何内容
• symbol现在变成A
• pattern现在变成None
• 计算l，但现在pattern不算什么，所以要么是无类型错误，要么是无限循环。

回过头来想一想l = 4 * self.pat2Num(pattern) + symbol行，也许在回忆函数之前计算l并存储在某个地方。那么和值就是list或类似的东西。

希望这能有所帮助