DNA核苷酸含量计算

 

分子生物学简介

构成所有生物原料的细胞被认为是生命的基石。细胞核是大多数真核细胞的组成部分，150年前被确定为细胞活动的中心。

在光学显微镜下观察，细胞核仅作为细胞的较暗区域出现，但随着我们增加放大倍数，我们发现细胞核密集地充满了称为染色质的大分子物质。在有丝分裂期间（真核细胞分裂），大多数染色质浓缩成长而细的细胞串，称为染色体。有关有丝分裂不同阶段的细胞图见下图。

图1. 在1900年Emmund Wilson在有丝分裂不同阶段绘制的洋葱细胞图。由于样品已被染色，导致细胞中的染色质（吸收染料）与细胞的其他部分形成鲜明对比。

染色质中含有的一类大分子称为核酸。20世纪早期对核酸化学特性的研究最终得出结论：核酸是聚合物，或者将这种重复结构的称为单体。由于它们细而长，核酸聚合物通常被称为链。

核酸单体称为核苷酸，并作为链长度的单位（缩写为nt）。每个核苷酸由三部分组成：糖分子，带有负离子的磷酸盐，和核碱基化合物（简称“碱基”）。当一个核苷酸的糖与链中下一个核苷酸的磷酸键合时开始聚合，其形成核酸链的糖-磷酸骨架。关键点在于特定类型核酸的核苷酸总是含有相同的糖和磷酸盐分子，它们的区别仅在于它们对碱基的选择。因此，核酸的一条链可以仅基于其碱基的顺序与另一条链区分开;碱基的这种排序定义了核酸的一级结构。

例如，图2显示了脱氧核糖核酸（DNA）链，其中糖被称为脱氧核糖，分别有四种碱基：腺嘌呤（A），胞嘧啶（C），鸟嘌呤（G）和胸腺嘧啶（T）。

图2. DNA的一级结构示意图。

DNA存在于地球上的所有生物体中，包括细菌;它甚至存在于许多通常被认为是非生命的病毒中。由于其重要性，我们使用“基因组”来指代生物体染色体中包含的DNA的总和。

问题

在探索分子生物学的道路上，DNA中所蕴含的信息是至关重要的，由前文我们可以知道一条DNA链仅有A，T，C，G四种碱基决定的核苷酸序列构成，因此了解一条DNA链中四种核苷酸的含量是非常关键的一步！

Given: A DNA string s of length at most 1000 nt.

Return: Four integers (separated by spaces) counting the respective number of times that the symbols 'A', 'C', 'G', and 'T' occur in s.

样本数据集

AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCTGATAGCAGC

样本输出

20 12 17 21

## 加载样本数据
with open("F:\Python\dna.txt", "r") as r_dna:
    r_dna = r_dna.read()

## 在这里我们可以使用python的字符串自带的一个属性（.count()）来实现此算法
print(r_dna.count("A"))

def count_DNA(string):
    return string.count("A"), string.count("C"), string.count("G"), string.count("T")
print(count_DNA(r_dna))

 

In [1]:

## 加载样本数据
with open("Bioinformatics_Stronghold/data/rosalind_dna.txt", "r") as r_dna:
    r_dna = r_dna.read()

In [2]:

## 在这里我们可以使用python的字符串自带的一个属性（.count()）来实现此算法
print(r_dna.count("A"))

Out[2]:

243

In [3]:

def count_DNA(string):
    return string.count("A"), string.count("C"), string.count("G"), string.count("T")

In [4]:

print(count_DNA(r_dna))

Out[4]:

(243, 228, 221, 231)

最后如果对生物信息学算法感兴趣的小伙伴可以关注我在github上的项目Bioinfo：

https://github.com/zomath/python/tree/master/Bioinfo