Python中的二进制补码（四舍五入的多位左移）

Question

我们如何从其代码中编码反向完整的 DNA 序列？

一个 DNA 序列可以包含 4 个不同的字符 A、C、G、T；其中A是T的补码，C是G的补码。

A DNA 序列的反向补码是序列的补码，但方式相反（我们从右到左计算每个字符的补码）。

例子：(AA)的补码是：TT，(AC)的补码是GT等等……

一般来说，使用 python，我们通过将每个字符映射到一个从 0 到 3 的数字来编码一个序列，

    {A:0, C:1, G:2, T:3}

那么AA的编码是：0，AC的编码是：

    AC = 0*4^0+1*4^1 = 4

GT的编码是：

    GT = 2*4^0+3*4^1 = 14 

如何在不创建字典的情况下将每个序列的代码转换为 python 中的反向补码？对于上面的示例：将 4 转换为 14？和 0 到 15 ...

Answer 1

您的符号集太小，哈希映射实际上无法有效。将二进制补码混合到您的问题中只会引起混乱。

symbols = 'ACGT'
complements = symbols[::-1]   # reverse order
import string
table = string.maketrans(symbols, complements)
sample = 'ACCGTT'
print(sample[::-1].translate(table))
# output: AACGGT

转换为一些位压缩格式将占用更少的空间，但需要更多的特殊处理，因为您需要单独跟踪大小，执行任意宽的移位等等。 Python 当然可以做到这一点，特别是 int() 接受许多基数并创建任意宽度的结果，但这可能会适得其反。

digits = string.digits[:len(symbols)]
length = len(sample)
digitmap = string.maketrans(symbols, digits)
number = int(sample.translate(digitmap), len(digits))

def reversemapnumber(function=id, number=0, radix=0b100, length=0):
    result = 0
    for i in range(length):
        number,digit = divmod(number, radix)
        result = result*radix + function(digit)
    return result
revcomplemented = reversemapnumber(function=lambda x: 3-x,
        number=number, length=length)
# binary form
print('{:0{}b}'.format(revcomplemented, length*2))
# back to text form
print(''.join(symbols[(revcomplemented>>i)&0b11]
    for i in range(2*length-2, -2, -2)))

在混乱的代码中，我使用除法而不是移位来更通用（支持基数不是 2 的幂），但打印示例完全依赖于宽度。最后，它只是棘手和不清楚。

Answer 2

python中列表的逆向

>>> xs = [1,2,3]
>>> reversed(xs)
<listreverseiterator object at 0x10089c9d0>
>>> list(reversed(xs))
[3, 2, 1]
>>>

def complement(x):
   return ~x & 15 # as 15 == int('1111', 2) 

15 是位掩码。它代表二进制1111。然后我们使用二进制and 运算符。

>>> "{0:b}".format(complement(int('1111',2)))
'0'
>>> "{0:b}".format(complement(int('0001',2)))
'1110'
>>> "{0:b}".format(complement(int('1001',2)))
'110'

>>> xs = [int('1111',2), int('1001',2), int('0110',2), int('1011',2)]
>>> map(complement, xs)
[0, 6, 9, 4]
>>> list(reversed(map(complement, xs)))
[4, 9, 6, 0]

以你的例子为基础

给定一个 6 个字符的序列：ACCGTT，A 的补码是：T， C的补码是G；所以ACCGTT的反补是：AACGGT。

假设您有一个 complemnt 函数 complement 和一个反向函数 reverse。

我们有reverse(ACCGTT) = TTGCCA 和complement(ACCGTT) = TGGCAA .在对每个元素调用函数后反转列表与对列表中的每个元素调用函数相同。

complement(reverse(ACCGTT)) = reverse(complement(ACCGTT))

所以问题的另一部分是你想要映射

{A:0, C:1, G:2, T:3}
A -> T | 0 -> 3
T -> A | 3 -> 0
C -> G | 1 -> 2
G -> C | 2 -> 1

二进制是

a = int('00', 2) # 0
c = int('01', 2) # 1
g = int('10', 2) # 2
t = int('11', 2) # 3

def complement(x):
    return ~x & 3 # this 3 is the same as int('11', 2)

def reverse_complement(list_of_ints):
    return list(reversed(map(complement, list_of_ints)))