python - 改进一些片段

Question

我有这个函数来模拟 DNA 序列上的突变(例如字母序列 -> 'ACGTGCTTAGG')。

第一个只是改变输入序列的随机位置

def mutate(sequence):
    seq_lst = list(sequence)
    i = random.randint(0, len(seq_lst) - 1)
    seq_lst[i] = random.choice(list('ATCG'))
    return ''.join(seq_lst)

第二个是模拟在序列中的随机位置插入碱基。

def insertion(sequence):
    seq_lst = list(sequence)
    i = random.randint(0, len(seq_lst) - 1)
    mutate = seq_lst[:i] + [random.choice(list('ATCG'))] + seq_lst[i:]
    return ''.join(mutate)]

最后一个是选择序列中可能发生的各种可能的随机突变。

def mutations(sequence):
    i = random.randint(0, 3)
    print(i)
    if i == 0:
        print('SNV')
        return mutate(sequence)
    elif i == 1:
        print('Del')
        return sequence.replace(random.choice('ATCG'), '-')
    elif i == 2:
        print('Ins')
        return insertion(sequence)
    elif i == 3:
        print('No mut')
        return sequence

打印语句只是为了检查代码是否正常工作。

有什么改进建议吗？如果可能的话，建议如何在代码中插入突变概率以模拟更真实的情况。

我在返回10000个随机过程中看到的是，序列积累了大量的删除，这是错误的，一旦单点突变比较频繁，然后插入和删除的频率就比较少。

谢谢

Answer 1

因此序列模拟中会出现过多的缺失，

import random
sequence = 'ACTCAG'
sequence.replace(random.choice('ATCG'), '-')

出局

A-T-AG

对于给定事件，大约 1/4 的时间会同时发生两次删除。因此，概率并不均匀，导致删除的可能性比插入(或突变)的可能性更高。因此，插入或删除的可能性为 1/4，双删除的可能性为 1/4，而插入更改的可能性为 0。

还有另外两个偏见， 您将生成回复突变 A->A，因此 1/4 的突变不会出现突变。这自然会发生在 DNA 突变中，但值得注意。

最后，一旦发生删除，剩余核苷酸的突变就会增加，本质上您将使系统偏向于越来越少的核苷酸，因此剩余的核苷酸将经历增加的突变。

换句话说，概率不是均匀的，并且在模拟过程中是动态的。

您可以通过下面的函数使用 re.sub 以确保插入和删除之间的概率保持一致，

import random, re
def rand_replacement(string, to_be_replaced, items):
    return re.sub(to_be_replaced, lambda x: random.choice(items), string )