【生信笔记】python实现DNA反向互补序列的6种方法

1 写在前面的絮絮叨叨

一个练习：用python尽量多种方法来实现DNA反向互补序列。

DNA反向互补序列简单来说就是把序列先倒序读取一次，然后将ATGC对应转换为TACG。

所以把这个过程拆分为反向序列函数和互补序列函数。

python自带的倒序读取方法已经很原始很优秀了，留给我们发挥空间不大，所以重点来看求互补序列可以用哪些骚操作。

1. 首先思路肯定是建立字典再进行字符转换啦【方法1】。
2. translate()是python自带的函数，其实也是建立映射表来实现字符转换，效率很高【方法2】。
3. 最最最原始的方法是用多个if分支来逐个字符判断和替换【方法3】。
4. 也看到有其它博客提到用replace()来实现（Python实现DNA序列互补、反向、反向互补），但是用replace()时要注意对序列的大小写做一点处理，下文再细说【方法4】。
5. 还看到一种用C语言思路实现的方法（生信（二）反向互补序列），是利用了数组的下标对应字符的ASCII码，数组存储互补序列【方法5】。
6. 用replace()构造带{}的替换域，然后利用format对替换域进行替换，妙啊（python编程，获取一段序列的反向互补序列，需要多种方法）【方法5】

2 反向序列函数

def DNA_reverse(sequence): return sequence[::-1] # 求反向序列 

3 互补序列函数

互补序列方法1：用字典dictionary

字典方法很好理解啦，不多说了

# 互补序列方法1：用字典dictionary def DNA_complement1(sequence): # 构建互补字典 comp_dict = { 
     "A":"T", "T":"A", "G":"C", "C":"G", "a":"t", "t":"a", "g":"c", "c":"g", } #求互补序列 sequence_list = list(sequence) sequence_list = [comp_dict[base] for base in sequence_list] string = ''.join(sequence_list) return string 

互补序列方法2：python3 translate()方法

 # 互补序列方法2：python3 translate()方法 def DNA_complement2(sequence): trantab = str.maketrans('ACGTacgtRYMKrymkVBHDvbhd', 'TGCAtgcaYRKMyrkmBVDHbvdh') # trantab = str.maketrans(intab, outtab) # 制作翻译表 string = sequence.translate(trantab) # str.translate(trantab) # 转换字符 return string 

互补序列方法3：最原始方法，用多个if分支

# 互补序列方法3：最原始方法，用多个if分支 def DNA_complement3(sequence): sequence_list = list(sequence) str = [] for base in sequence_list: if base == "A": str.append('T') elif base == "T": str.append('A') elif base == "G": str.append('C') elif base == "C": str.append('G') elif base == "a": str.append('t') elif base == "t": str.append('a') elif base == "g": str.append('c') elif base == "c": str.append('g') string = ''.join(str) return string 

互补序列方法4：对字符串调用replace()

seq = "ATGATATAGtatatatgCAAGAGg" # 原始序列样例 

2.replace()是对字符串进行操作，如果先将字符串A转换成T，再将T转换成A的时候就会出问题，此时原始的T和由A转换的T都会被转换掉。解决思路是，先将原始序列都用upper()转换成大写，A->t，T->a，C->g，G->c，就不会出现问题。最后再将原始序列大写的位置转换回大写。

# 互补序列方法4：对字符串调用replace() def DNA_complement4(sequence): sequence_list = list(sequence) upper_index=[] # 列表upper_index记录哪些位置是小写 for i in range(len(sequence_list)): if sequence_list[i].isupper(): upper_index.append(i) # sequence全部转换为大写后求小写的互补序列 str = sequence.upper() str = str.replace('A', 't') str = str.replace('T', 'a') str = str.replace('C', 'g') str = str.replace('G', 'c') # 将原大写序列设回大写 str_list = list(str) for i in upper_index: str_list[i] = str_list[i].upper() string =''.join(str_list) return string 

互补序列方法5： ASCII码作为列表下标

# 互补序列方法5： ASCII码作为列表下标 读取对应互补序列 def DNA_complement5(sequence): # 建立列表存ASCII码(互补序列方法6) comp_tab = [] for i in range(0, 130): comp_tab.append(i) trantab = str.maketrans('ACGTacgtRYMKrymkVBHDvbhd', 'TGCAtgcaYRKMyrkmBVDHbvdh') for base in trantab: comp_tab[base] = chr(trantab[base]) # comp_tab列表下标是ASCII码：例如'A'的ASCII码是65，comp_tab[65] = 'T' # comp_tab = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, # 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, # 60, 61, 62, 63, 64, 'T', 'V', 'G', 'H', 69, 70, 'C', 'D', 73, 74, 'M', 76, 'K', 78, 79, 80, 81, 'Y', 83, 'A', 85, # 'B', 87, 88, 'R', 90, 91, 92, 93, 94, 95, 96, 't', 'v', 'g', 'h', 101, 102, 'c', 'd', 105, 106, 'm', 108, 'k', 110, # 111, 112, 113, 'y', 115, 'a', 117, 'b', 119, 120, 'r', 122, 123, 124, 125, 126, 127, 128, 129] string = [] for j in range(len(sequence)): string += comp_tab[ord(sequence[j])] #求A string = ''.join(string) return string 

互补序列方法6：replace()构造替换域+format()实现替换

# 互补序列方法6：replace()构造替换域+format()实现替换 def DNA_complement6(sequence): sequence = sequence.replace('A', '{A}').replace('T', '{T}').replace('C', '{C}').replace('G', '{G}').replace('a', '{a}').replace('t', '{t}').replace('g', '{g}').replace('c', '{c}') string = sequence.format(A='T', T='A', C='G', G='C', a='t', t='a', c='g', g='c') return string 

4 测试用例和结果

# seq = "ATGATATAGtatatatgCAAGAGg" # 临时测试集 # 生成随机序列作为测试集 seq=[] seq_len =  for i in range(seq_len): seq.append(random.choice('ATGCatgc')) seq = ''.join(seq) print("原始DNA序列: seq_len=", seq_len ,"\n", seq, 'len=\n') # 求反向序列 seq = DNA_reverse(seq) # 求互补序列 print("DNA反向互补序列:") for i in [1, 5]: begin_time = time() # 计时，比较不同方法的性能 # 依次调用我们写好的6个互补序列函数DNA_complement1/2/3/4/5/6，求结果 print(eval('DNA_complement'+str(i))(seq)) # eval() 函数用来执行一个字符串表达式，并返回表达式的值。 end_time = time() run_time = end_time - begin_time print('方法', i, '运行时间：', run_time, '\n') 

运行结果：

总结

1. 当序列较短时：运行时间差别不大
2. 当序列很长很长时：运行时间 方法2 < 方法1 < 方法6 < 方法3 = 方法4 = 方法5