如果第一次閱讀本系列文檔請(qǐng)先移步閱讀【ROSALIND】【練Python，學(xué)生信】00 寫(xiě)在前面 ?謝謝配合~

題目：

從基因序列構(gòu)建字符表（Creating a Character Table from Genetic Strings）

?

Given: A collection of at most 100 characterizable DNA strings, each of length at most 300 bp.

所給：不超過(guò)100條可表征的DNA序列，每條序列不超過(guò)300bp。

Return: A character table for which each nontrivial character encodes the symbol choice at a single position of the strings. (Note: the choice of assigning '1' and '0' to the two states of each SNP in the strings is arbitrary.).

需得：一個(gè)字符表，其中每個(gè)字符在各條序列此位置的情況進(jìn)行編碼。（提醒：各位置賦值“1”或“0”是任意的。）

?

測(cè)試數(shù)據(jù)

ATGCTACC

CGTTTACC

ATTCGACC

AGTCTCCC

CGTCTATC

測(cè)試輸出

10110

10100

?

生物學(xué)背景

? ? ? ? 在55 創(chuàng)建字符表中，我們從進(jìn)化樹(shù)推出了字符表。但在實(shí)際操作中情況是相反的，我們需要先生成字符表，再在這個(gè)基礎(chǔ)上構(gòu)建系統(tǒng)發(fā)育模型?，F(xiàn)代遺傳學(xué)中，我們常通過(guò)對(duì)SNP的分析實(shí)現(xiàn)這一過(guò)程，對(duì)于給定的一組序列，我們可以用某個(gè)核苷酸位點(diǎn)上的不同來(lái)將這組序列分成兩組。

?

思路

? ? ? ??對(duì)于我來(lái)說(shuō)，這道題的題面非?；逎y懂，我在看了所給示例和其他人的解答代碼后才大概理解了要做什么，我們先來(lái)看一下測(cè)試數(shù)據(jù)，一共有5條序列：

ATGCTACC

CGTTTACC

ATTCGACC

AGTCTCCC

CGTCTATC

? ? ? ??我們根據(jù)序列可以畫(huà)出下面這幅圖：

? ? ? ??也就是說(shuō)，所給的序列是“可表征的（characterizable）”，即在每一個(gè)位點(diǎn)（列）上，最多只存在兩種可能，根據(jù)每個(gè)位點(diǎn)的情況都可以把這些序列分成兩類(lèi)。但一個(gè)類(lèi)里只有超過(guò)一個(gè)元素才有意義，所以輸出結(jié)果時(shí)把只有一個(gè)或沒(méi)有不一樣值的列給刪掉了。在本例中，只有前兩列有超過(guò)一個(gè)不一樣值，因此結(jié)果為：

10110

10100

? ? ? ??接下來(lái)就是如何用python實(shí)現(xiàn)，我再次抄了別人的解答代碼（原地址：https://github.com/fedeoliv/Rosalind-Problems/blob/master/cstr.py）。可以看到，這個(gè)代碼非常簡(jiǎn)潔緊湊，閱讀難度也較大，我這里幫大家梳理一下過(guò)程。

? ? ? ??首先，讀入數(shù)據(jù)文件，將序列傳入到get_character_table()函數(shù)中。

? ? ? ??進(jìn)入get_character_table()后，首先要把序列從橫著的一行一行存儲(chǔ)，變成豎著的一列一列存儲(chǔ)。這里用的語(yǔ)句是''.join, zip(*dna_strings)。其中，zip(*)函數(shù)首先用星號(hào)(*)操作符解包，把之前完整的一個(gè)一個(gè)序列變成單個(gè)字符，然后zip再把每一條序列某一位上的元素挨個(gè)取出來(lái)，拼成一個(gè)新的字符串。

? ? ? ??把新字符串拼好后，用map(s[0].__eq__, s)將每一個(gè)列所有字符都與第一個(gè)字符比較，如果一致會(huì)返回1，反之返回0，把這些結(jié)果拼起來(lái)。

? ? ? ??最后，用sum(map(int, k))去判斷每列有幾個(gè)不一樣的值，顯然，如果整列都一樣，sum的結(jié)果將會(huì)是0或len(k)，如果只有一個(gè)不一樣的值，結(jié)果會(huì)是1或len(k) - 1，排除掉這兩個(gè)情況，剩下的就是最終要得到的結(jié)果了。

?

?代碼