如何筛选特定碱基顺序的DNA序列并得到它们的位置？

Question

我试图在包含dna代码的列表中找到一个特定的序列（字母已经转换成数字，例如a=1，T=4）。你知道吗

例如：

dna = [1,4,3,2,3,2,1,2,3,2,4,2,1,2,2,2,2,4,1,3,4]

查看前3项（1、4、3），检查项目是否为2、2、4。如果为True，则获取位置（在此0,1,2中为False）。否则，看下面3个项目2，3，2并重复。对dna中的所有位置都这样做[]

我的方法是一个范围内循环，它应该给我dna的位置[15，16，17]，但它不会。。。你知道吗

A,G,C,U = 1,2,3,4

dna = []

for _ in range(200): #just generated random 200 numbers as example dna
    code = random.randrange(1,5,1)
    dna.append(code)

l = int(len(dna)/3) #splits search into 3

for i in range(l):
    k = i*3
    if dna[k] == 2:
        if dna[k+1] == 2:
            if dna[k+2] == 4:
                m += 1
                print('GGU at:', dna[i], dna[i+1], dna[k+2], 'found:', m)

我试过许多不同的想法，从类似的问题在软件，但大多数不关心的顺序数字。。。有时伪位置是第2、2、4项，有时找不到任何匹配项。 所有的帮助将不胜感激！你知道吗

Answer 1

使用某种生成器将代码拆分为长度为3的块，并将for循环中的to[2,2,4]进行比较

import random
A,G,C,U = 1,2,3,4

dna = []

for _ in range(200): #just generated random 200 numbers as example DNA
    code = random.randrange(1,5,1)
    dna.append(code)
#function to split list into chunks
def get_chunks(li, cols=2):
    start = 0
    for i in range(cols):
        stop = start + len(li[i::cols])
        yield li[start:stop]
        start = stop
#calculate the required amount of chunks
chunk_amount = int(len(dna)/3)
#create a generator that returns the chunks
chunk_generator = get_chunks(dna, chunk_amount)
#write the chunks to a list named chunks
chunks = []
for x in chunk_generator:
    chunks.append(x)

#iterate the chunks to find a match
j = 0
for i in chunks:
    if i == [2, 2, 4]: #was the sequence found?
        print("2, 2, 4 located at " + str(j) + ", " + str(j+1) + ", " + str(j+2))
    j += 3

这个程序在随机DNA中找到所有[2,2,4]实例。 当然，如果不存在[2,2,4]序列，它不会打印任何内容