[Python] 一階馬爾科夫鏈生成隨機(jī)DNA序列

1. 原理

??對于DNA序列,一階馬爾科夫鏈可以理解為當(dāng)前堿基的類型僅取決于上一位堿基類型。如圖1所示,一條序列的開端(由B開始)可能是A、T、G、C四種堿基(且可能性相同,均為0.25),若序列的某一位是A,則下一位堿基是A、T、G、C的概率分別為0.25、0.20、0.20、0.20,下一位無堿基(即序列結(jié)束,狀態(tài)為E)的概率為0.15。

圖1 DNA序列的一階馬爾科夫鏈

2. 代碼實現(xiàn)

??以下代碼運(yùn)行于Jupyter Notebook (Python 3.7);代碼功能是隨機(jī)生成一定數(shù)量的DNA序列,統(tǒng)計序列長度并繪制分布圖。若希望顯示隨機(jī)生成的序列,將代碼# print(''.join(Seq))前的#刪除即可。

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

# 狀態(tài)空間
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"],]

# 概率矩陣(轉(zhuǎn)移矩陣)
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 = [] #創(chuàng)建列表(Seq)用于添加堿基,以組成DNA序列
    Len = [] #創(chuàng)建列表(Len)用于記錄每條生成序列的長度
    while i != Num:
        Base = ["A","G","C","T"]
        START = random.choice(Base) #隨機(jī)從堿基中選擇一個作為序列的起始堿基
        Seq.append(START) #將起始堿基添加至Seq中
        while START != "E":
            if START == "A":
                change = numpy.random.choice(transitionName[0],p=transitionMatrix[0])
                #以transitionMatrix矩陣第一行的概率分布隨機(jī)抽取transitionName第一行包含的事件
                if change == "AA":
                    START = "A" #如果轉(zhuǎn)移狀態(tài)是AA(即A堿基接下來的堿基是A,則將起始堿基設(shè)為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) #如果狀態(tài)轉(zhuǎn)移后不為End(E),則將轉(zhuǎn)移后的堿基加到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")
    # 顯示橫軸標(biāo)簽
    plt.xlabel("DNA Sequence Length")
    # 顯示縱軸標(biāo)簽
    plt.ylabel("Frequency")
    # 顯示圖標(biāo)題
    plt.title("Histogram of frequency distribution of DNA sequence length")
    plt.show()
    print("DNA序列的最大長度為:",max_len)
    print("DNA序列長度的眾數(shù)為:",max(Len, key=Len.count))

%matplotlib notebook #若未使用Jupyter Notebook,此句不需要
RandomDNAs(1000) #1000表示隨機(jī)生成1000條序列

3. 運(yùn)行結(jié)果

??從以下4個序列長度分布統(tǒng)計可以看到,隨著隨機(jī)生成的序列數(shù)量增多,序列長度分布愈發(fā)集中,且長度為1bp的序列占比最多且逐漸增加。

圖2 10,000條DNA序列的序列長度分布統(tǒng)計

10,000條DNA序列的序列中
DNA序列的最大長度為: 65
DNA序列長度的眾數(shù)為: 1

圖3 100,000條DNA序列的序列長度分布統(tǒng)計

100,000條DNA序列的序列中
DNA序列的最大長度為: 71
DNA序列長度的眾數(shù)為: 1

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

  • 氨基酸是蛋白質(zhì)的基本結(jié)構(gòu)單位,參與合成蛋白質(zhì)的氨基酸有20種,可作為原料在核糖體工廠通過肽鍵連接形成多肽鏈,都有密...
    官敏慧閱讀 6,349評論 0 7
  • 外邊兒正在下DNA。 我的花園盡頭,就在牛津運(yùn)河邊,有一棵很大的柳樹,它正在釋放大量的種子。柳絮迎風(fēng)飄揚(yáng)。風(fēng)向不定...
    AKE訓(xùn)練營閱讀 763評論 0 0
  • http://www.runoob.com/note/28521
    陳玉濤閱讀 754評論 0 0
  • 外面雨下的很大,我在床頭燈下問問自己心在想什么,她徹底離開了這個家,連床頭枕頭掉落的頭發(fā)都不再有了,獨自回家醉倒在...
    林隱空閱讀 1,609評論 0 1
  • 讀的什么書:《你的生命有什么可能》p12-15 閱讀有效時間:0.5小時 閱讀中遇到了什么困難:讀后產(chǎn)生的思考比較...
    雪23閱讀 222評論 0 0

友情鏈接更多精彩內(nèi)容