Python一阶马尔科夫链生成随机DNA序列实现示例

 更新时间:2022年07月01日 08:37:51   作者:BioChem  
这篇文章主要为大家介绍了Python实现一阶马尔科夫链生成随机DNA序列示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

1. 原理

对于DNA序列,一阶马尔科夫链可以理解为当前碱基的类型仅取决于上一位碱基类型。如图1所示,一条序列的开端(由B开始)可能是A、T、G、C四种碱基(且可能性相同,均为0.25),若序列的某一位是A,则下一位碱基是A、T、G、C的概率分别为0.25、0.20、0.20、0.20,下一位无碱基(即序列结束,状态为E)的概率为0.15。

图1 DNA序列的一阶马尔科夫链

2. 代码实现

以下代码运行于Jupyter Notebook (Python 3.7);代码功能是随机生成一定数量的DNA序列,统计序列长度并绘制分布图。若希望显示随机生成的序列,将代码# print(''.join(Seq))前的#删除即可。

import numpy
import random
import seaborn as sns
import matplotlib.pyplot as plt

# 状态空间
states = ["A","G","C","T","E"]

# 可能的事件序列
transitionName = [["AA","AG","AC","AT","AE"],
                  ["GA","GG","GC","GT","GE"],
                  ["CA","CG","CC","CT","CE"],
                  ["TA","TG","TC","TT","TE"],]

# 概率矩阵(转移矩阵)
transitionMatrix = [[0.25,0.20,0.20,0.20,0.15],
                    [0.20,0.25,0.20,0.20,0.15],
                    [0.20,0.20,0.25,0.20,0.15],
                    [0.20,0.20,0.20,0.25,0.15]]

def RandomDNAs(Num):
    max_len = 0
    i = 0
    Seq = [] #创建列表(Seq)用于添加碱基,以组成DNA序列
    Len = [] #创建列表(Len)用于记录每条生成序列的长度
    while i != Num:
        Base = ["A","G","C","T"]
        START = random.choice(Base) #随机从碱基中选择一个作为序列的起始碱基
        Seq.append(START) #将起始碱基添加至Seq中
        while START != "E":
            if START == "A":
                change = numpy.random.choice(transitionName[0],p=transitionMatrix[0])
                #以transitionMatrix矩阵第一行的概率分布随机抽取transitionName第一行包含的事件
                if change == "AA":
                    START = "A" #如果转移状态是AA(即A碱基接下来的碱基是A,则将起始碱基设为A)
                elif change == "AG":
                    START = "G"
                elif change == "AC":
                    START = "C"
                elif change == "AT":
                    START = "T"
                elif change == "AE":
                    START = "E"
            elif START == "G":
                change = numpy.random.choice(transitionName[1],p=transitionMatrix[1])
                if change == "GA":
                    START = "A"
                elif change == "GG":
                    START = "G"
                elif change == "GC":
                    START = "C"
                elif change == "GT":
                    START = "T"
                elif change == "GE":
                    START = "E"
            elif START == "C":
                change = numpy.random.choice(transitionName[2],p=transitionMatrix[2])
                if change == "CA":
                    START = "A"
                elif change == "CG":
                    START = "G"
                elif change == "CC":
                    START = "C"
                elif change == "CT":
                    START = "T"
                elif change == "CE":
                    START = "E"
            elif START == "T":
                change = numpy.random.choice(transitionName[3],p=transitionMatrix[3])
                if change == "TA":
                    START = "A"
                elif change == "TG":
                    START = "G"
                elif change == "TC":
                    START = "C"
                elif change == "TT":
                    START = "T"
                elif change == "TE":
                    START = "E"
            if START != "E":
                Seq.append(START) #如果状态转移后不为End(E),则将转移后的碱基加到Seq序列中
        i += 1
        Len.append(len(Seq))
        if len(Seq) > max_len:
            max_len = len(Seq)
        #print(''.join(Seq))
        Seq.clear()
    plt.hist(numpy.array(Len), bins=max_len, edgecolor="white")
    # 显示横轴标签
    plt.xlabel("DNA Sequence Length")
    # 显示纵轴标签
    plt.ylabel("Frequency")
    # 显示图标题
    plt.title("Histogram of frequency distribution of DNA sequence length")
    plt.show()
    print("DNA序列的最大长度为:",max_len)
    print("DNA序列长度的众数为:",max(Len, key=Len.count))

%matplotlib notebook #若未使用Jupyter Notebook,此句不需要
RandomDNAs(1000) #1000表示随机生成1000条序列

3. 运行结果

从以下4个序列长度分布统计可以看到,随着随机生成的序列数量增多,序列长度分布愈发集中,且长度为1bp的序列占比最多且逐渐增加。

图2 10,000条DNA序列的序列长度分布统计

10,000条DNA序列的序列中

DNA序列的最大长度为: 65

DNA序列长度的众数为: 1

图3 100,000条DNA序列的序列长度分布统计

100,000条DNA序列的序列中

DNA序列的最大长度为: 71

DNA序列长度的众数为: 1

以上就是Python实现一阶马尔科夫链生成随机DNA序列的详细内容,更多关于Python一阶马尔科夫DNA序列的资料请关注脚本之家其它相关文章!

相关文章

  • python常用运维脚本实例小结

    python常用运维脚本实例小结

    这篇文章主要介绍了python常用运维脚本实例小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-02-02
  • 编写Python脚本来实现最简单的FTP下载的教程

    编写Python脚本来实现最简单的FTP下载的教程

    这篇文章主要介绍了编写Python脚本来实现最简单的FTP下载的教程,主要用到了ftplib模块,无图形界面...需要的朋友可以参考下
    2015-05-05
  • pytorch + visdom 处理简单分类问题的示例

    pytorch + visdom 处理简单分类问题的示例

    这篇文章主要介绍了pytorch + visdom 处理简单分类问题的示例,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-06-06
  • 分析Python读取文件时的路径问题

    分析Python读取文件时的路径问题

    本篇文章通过图文实例的方式给大家详细分析了Python读取文件时的路径问题,对此有需求的朋友可以参考学习下。
    2018-02-02
  • python数据结构输入输出及控制和异常

    python数据结构输入输出及控制和异常

    这篇文章主要介绍了python数据结构输入输出及控制和异常,上一章节中我们介绍了python的基础数据类型和集合数据类型,这章节给大家介绍一下python的输入输出、控制和异常,对数据类型感兴趣的同学可以查看一下文章<BR>
    2021-12-12
  • Python实现把utf-8格式的文件转换成gbk格式的文件

    Python实现把utf-8格式的文件转换成gbk格式的文件

    这篇文章主要介绍了Python实现把utf-8格式的文件转换成gbk格式的文件,本文给出了实现代码并同时剖析了代码的作用,需要的朋友可以参考下
    2015-01-01
  • python 统计文件中的字符串数目示例

    python 统计文件中的字符串数目示例

    今天小编就为大家分享一篇python 统计文件中的字符串数目示例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-12-12
  • GitHub上值得推荐的8个python 项目

    GitHub上值得推荐的8个python 项目

    GitHub 无疑是代码托管领域的先行者,Python 作为一种通用编程语言,已经被千千万万的开发人员用来构建各种有意思或有用的项目。以下我们会介绍一些使用 Python 构建的GitHub上优秀的项目。
    2020-10-10
  • pytorch载入预训练模型后,实现训练指定层

    pytorch载入预训练模型后,实现训练指定层

    今天小编就为大家分享一篇pytorch载入预训练模型后,实现训练指定层,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-01-01
  • 关于django 1.10 CSRF验证失败的解决方法

    关于django 1.10 CSRF验证失败的解决方法

    今天小编就为大家分享一篇关于django 1.10 CSRF验证失败的解决方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08

最新评论