用python/biopython计算DNA序列

Question

我下面的脚本正在计算标准FASTA文件中序列“ccccaaa”和“GGGGTTTT”的出现次数：

>contig00001  
CCCCAAAACCCCAAAACCCCAAAACCCCTAcGAaTCCCcTCATAATTGAAAGACTTAAACTTTAAAACCCTAGAAT

脚本对CCCCAAAA序列计数3次

ccccaaacccaaccaaccaaaa（不计算CCCC）

有人能告诉我如何将CCCC序列包含在末尾作为半计数来返回3.5的值。在

到目前为止，我的尝试都没有成功。在

我的剧本如下。。。在

^{pr2}$

Answer 1

可以使用“拆分”和“开始”列表理解，如下所示：

contig="CCCCAAAACCCCAAAACCCCAAAACCCCTAcGAaTCCCcTCATAATTGAAAGACTTAAACTTTAAAACCCTAGAAT"
splitbase="CCCCAAAA"
halfBase="CCCC"
splittedContig=contig.split(splitbase)
cnt=len(splittedContig)-1
print cnt+sum([0.5 for e in splittedContig if e.startswith(halfBase)])

输出：

^{pr2}$

1. 基于CCCCAAAA拆分字符串。{cd1>中的元素将被移除
2. splitted-1的长度给出CCCCAAAA的出现次数
3. 在拆分的元素中，查找以CCCC开头的元素。如果找到，则将每次发生的次数加0.5。在