引物比对

通过计算edist距离,如果小于3个碱基错配,则认为识别到引物。

import numpy as np

def reverse_complement(t):
    """反向互补序列"""
    completement = {'A': 'T', 'T': 'A', 'C': 'G', 'G': 'C','N': 'N'}
    s = ''
    for base in t:
        s = completement[base] + s 
    return s
    
def edist(p,t):
    """
    p: primer
    t: target sequence
    calculate edist distance
    """
    p_len = len(p)
    t_len = len(t)
    data = np.zeros(shape=(p_len+1,t_len+1), dtype=int)
    
    # i for row(primer), j for col(target sequence)
    for i in range(p_len+1):
        data[i][0] = i

    # edist distance
    for i in range(1,p_len+1):
        for j in range(1,t_len+1): 
            hor = data[i][j-1] + 1  # horizontal
            ver = data[i-1][j] + 1  # vertical

            # diag
            if p[i-1] == t[j-1]:
                delta = 0
            else:
                delta = 1
            dia = data[i-1][j-1] + delta
            
            data[i][j] = min(ver, hor, dia)
    return(data, min(data[p_len]))    

def primer_align(p,t):
    """
    align a single primer to a sequence.
    t: target sequence
    """
    edist1, forward_dist1 = edist(p, t)
    edist2, forward_dist2 = edist(p, reverse_complement(t))
    if forward_dist1 < forward_dist2:
        return edist1, forward_dist1
    else:
        return edist2, forward_dist2

def primers_align(f, r, t, mismatch=3):
    """
    align a pair of primers to a sequence
    """

    # 1/3 region
    _, forward_dist = primer_align(f, t[:int(len(t)/3)])
    _, reverse_dist = primer_align(reverse_complement(r), t[int(len(t)/3*2):-1])
    if forward_dist <= mismatch or reverse_dist <= mismatch:
        return 'aligned'
    else:
        return 'unaligned'

if __name__ == '__main__':
    forward = 'ATCG'
    fa = 'ACTCA'
    print(edist(forward, fa))
(array([[0, 0, 0, 0, 0, 0],
       [1, 0, 1, 1, 1, 0],
       [2, 1, 1, 1, 2, 1],
       [3, 2, 1, 2, 1, 2],
       [4, 3, 2, 2, 2, 2]]), 2)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容