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

題目：

用譜圖匹配蛋白（Matching a Spectrum to a Protein）

Given: A positive integer n followed by a collection of n protein strings s1, s2, ..., sn and a multiset R of positive numbers (corresponding to the complete spectrum of some unknown protein string).

所給：一個正整數(shù)n、一組蛋白序列（編號為s1、s2……sn），以及一個多重集R（集合中的元素均為正數(shù)，對應(yīng)于某未知蛋白的全譜）。

Return: The maximum multiplicity of R?S[sk] taken over all strings sk, followed by the string sk for which this maximum multiplicity occurs (you may output any such value if multiple solutions exist).

需得：在所有蛋白序列sk?R能得到的最大重數(shù)，以及得到最大重數(shù)的序列sk（如果有多個結(jié)果，返回一個即可）。

?

測試數(shù)據(jù)

4

GSDMQS

VWICN

IASWMQS

PVSMGAD

445.17838

115.02694

186.07931

314.13789

317.1198

215.09061

測試輸出

3

IASWMQS

?

生物學(xué)背景

? ? ? ? 在分析蛋白質(zhì)組學(xué)數(shù)據(jù)時，我們有很多蛋白質(zhì)數(shù)據(jù)庫作為參考。在拿到譜圖數(shù)據(jù)后，在這些數(shù)據(jù)庫中搜索具有高度相似譜的已知蛋白質(zhì)，利用這種方式，可以在不同物種中鑒定出相似的蛋白，幫助我們研究蛋白質(zhì)的功能。

? ? ? ??在54?譜卷積與質(zhì)譜結(jié)果比較中，我們了解了譜卷積及其在衡量不同質(zhì)譜結(jié)果相似性中的作用。本題中我們想用這種思路從數(shù)據(jù)庫中比對出相似的蛋白，通過譜卷積，找到數(shù)據(jù)庫中各蛋白在偏移后與待測蛋白最多重合的數(shù)量，從而選擇出最相似的蛋白。

?

數(shù)學(xué)背景

? ? ? ??多重集的背景知識參考54?譜卷積與質(zhì)譜結(jié)果比較。

? ? ? ??序列的完全譜（complete spectrum）是包含序列所有前綴和后綴的多重集。

?

思路

? ? ? ??本題的代碼來自https://github.com/fedeoliv/Rosalind-Problems/blob/master/prsm.py。代碼寫得非常簡練，包含多個函數(shù)，我們來以函數(shù)調(diào)用順序梳理一下思路。

? ? ? ??首先，在main函數(shù)部分，大佬將蛋白序列和多重集R作為參數(shù)傳入get_max_multiplicity函數(shù)中，可以看到，該函數(shù)返回的結(jié)果就是我們想要的最大重數(shù)和序列。

? ? ? ??在get_max_multiplicity函數(shù)中，蛋白序列被挨個取出來輸入get_substrings函數(shù)中，這個函數(shù)的作用是把序列所有的子串，其中含有yield，每次運行到y(tǒng)ield，該函數(shù)就會返回一個子串到get_max_multiplicity函數(shù)的p上，p又被傳入protein_weight函數(shù)。protein_weight函數(shù)的作用是計算每個子串的相對分子量，計算完成后，把結(jié)果又返回去，保存在列表pset中。然后繼續(xù)向下運行，從get_substrings上次返回的yield下面繼續(xù)運行，至又返回一個子串，如此實現(xiàn)循環(huán)。直到序列所有子串的相對分子質(zhì)量都被算出來。

? ? ? ??接下來，多重集R和子串的相對分子質(zhì)量都作為參數(shù)傳入get_largest_multiplicity函數(shù)中，這個函數(shù)的目的是將這兩個集合中所有可能的值取出來相減，保存在diff中，為了實現(xiàn)這個功能，還需要調(diào)用一個函數(shù)get_values，此函數(shù)調(diào)用了operator模塊中的方法，用兩個循環(huán)將兩個集合中所有的元素都做了相減運算。返回到get_largest_multiplicity函數(shù)中后，利用Counter函數(shù)統(tǒng)計每個元素出現(xiàn)的頻率，以字典的形式儲存。在返回結(jié)果時，只返回最大重數(shù)的結(jié)果和序列。

? ? ? ??運行完這些，我們又回到了get_max_multiplicity函數(shù)中，將返回的結(jié)果與此時output中保存的結(jié)果相比較，若重數(shù)大于或等于已有結(jié)果，就用新的結(jié)果覆蓋掉output中的內(nèi)容。等所有序列都過一遍后，輸出output中的結(jié)果，即為所求。

?

代碼