【2024字节青训·易】DNA序列还原

【2024字节青训·易】DNA序列还原

问题描述

给定一段受损的 DNA 碱基序列 dna1，在每次只操作一个碱基的情况下，将其以最少的操作步骤将其还原到未受损的 DNA 碱基序列 dna2。

只可以对 DNA 碱基序列中的一个碱基进行三种操作：

1. 增加一个碱基
2. 去除一个碱基
3. 替换一个碱基

输入描述:

输入两段 DNA 碱基序列，每段分一行输入

第一行为第一段受损的 DNA 碱基序列 dna1

第二行为第二段未受损的 DNA 碱基序列 dna2

输出描述:

最小操作步骤数

备注:

0 <= dna1.length, dna2.length <= 500

dna1 和 dna2 由大写英文字母 A、G、C、T 组成

示例 1

输入

AGCTTAGC

AGCTAGCT

输出

2

说明

AGCTTAGC -> AGCTAGC（删除 T）

AGCTAGC -> AGCTAGCT（增加 T）

示例 2

输入

AGCCGAGC

GCTAGCT

输出

4

说明

AGCCGAGC -> GCCGAGC（删除 A）

GCCGAGC -> GCTGAGC（将 C 替换为 T）

GCTGAGC -> GCTAGC（删除 G）

GCTAGC -> GCTAGCT（增加 T）

要解决这个问题，我们可以使用动态规划（Dynamic Programming, DP）的方法。这个方法非常适合解决涉及字符串编辑距离的问题，比如 DNA 碱基序列的转换。我们将使用经典的编辑距离算法（也称为莱文斯坦距离算法）。

动态规划方法

我们定义一个二维数组 dp，其中 dp[i][j] 表示将 dna1 的前 i 个字符转换为 dna2 的前 j 个字符所需的最小操作数。

状态转移方程

1. 初始状态：

   • dp[0][0] = 0，因为将空字符串转换为空字符串不需要任何操作。
   • dp[i][0] = i，因为将前 i 个字符的 dna1 转换为空字符串需要 i 次删除操作。
   • dp[0][j] = j，因为将空字符串转换为前 j 个字符的 dna2 需要 j 次插入操作。

2. 状态转移方程：

   • 如果 dna1[i-1] == dna2[j-1]，则 dp[i][j] = dp[i-1][j-1]，因为最后一个字符相同，不需要额外操作。

   • 如果

     dna1[i-1] != dna2[j-1]
     

     ，则需要考虑三种操作：

     • 插入操作：dp[i][j] = dp[i][j-1] + 1
     • 删除操作：dp[i][j] = dp[i-1][j] + 1
     • 替换操作：dp[i][j] = dp[i-1][j-1] + 1

   • 综合起来就是：

   • $dp[i][j]=\min (dp[i-1][j]+1,dp[i][j-1]+1,dp[i-1][j-1]+(dna1[i-1]\ne dna2[j-1]))$

def solution(dna1, dna2):
    m, n = len(dna1), len(dna2)
    dp = [[0] * (n + 1) for _ in range(m + 1)]
    
    for i in range(1, m+1):
        dp[i][0] = i
    for j in range(1, n+1):
        dp[0][j] = j

    dp[0][0] = 0
    for i in range(1, m+1):
        for j in range(1, n+1):
            if dna1[i-1] == dna2[j-1]:
                dp[i][j] = dp[i-1][j-1]
            else:
                dp[i][j] = min(dp[i-1][j] + 1, dp[i][j-1] + 1, dp[i-1][j-1] + 1)
    
    # Please write your code here
    return dp[m][n]

if __name__ == "__main__":
    #  You can add more test cases here
    print(solution("AGCTTAGC", "AGCTAGCT") == 2 )
    print(solution("AGCCGAGC", "GCTAGCT") == 4)