python序列不在序列中_python计算序列列表中存在和不存在子串的数量

你可以在这里得到数据！

2shared底部下载

我正在用python分析生物数据.

我写下了一个代码,用于在长字符串列表中查找匹配的子字符串.

子串在列表中并且具有7个核苷酸的长度.

所以在列表中,从AAAAAAA到TTTTTTT,存在16384个基序(子串),排列A,C,G,T.

这段代码有一个for循环用于子串列表和嵌套在里面的长字符串列表.

它工作正常,但由于列表中包含12000行,代码处理速度非常慢.

换句话说,提供有关AAAAAAA的信息,以及下一个AAAAAAC的信息需要2分钟.

因此需要16384个图案才能通过12000行2分钟,需要(16384 * 2 == 32768分钟 – > 546小时 – > 22天……)

我正在使用scipy和numpy来获得Pvalues.

我想要的是计算序列列表中存在和不存在子串的数量

长字符串列表和代码如下：

list_of_lists_long = [

[BGN, -0.054, AGGCAGCTGCAGCCACCGCGGGGCCTCAGTGGGGGTCTCTGG....]

[ABCB7, 0.109, GTCACATAAGACATTTTCTTTTTTTGTTGTTTTGGACTACAT....]

[GPR143, -0.137, AGGGGATGTGCTGGGGGTCCAGACCCCATATTCCTCAGACTC....]

[PLP2, -0.535, GCGAACTTCCCTCATTTCTCTCTGCAATCTGCAAATAACTCC....]

[VSIG4, 0.13, AAATGCCCCATTAGGCCAGGATCTGCTGACATAATTGCCTAG....]

[CCNB3, -0.071, CAGCAGCCACAGGGCTAAGCATGCATGTTAACAGGATCGGGA....]

[TCEAL3, 0.189, TGCCTTTGGCCTTCCATTCTGATTTCTCTGATGAGAATACGA....]

....] #12000 lines

是否有更快的逻辑来更快地处理代码？

我需要你的帮助！

先感谢您.

=====================================

有没有更简单的方法,没有实施任何其他的东西？

我认为模式匹配的迭代是问题……

我试图找到的是在整个序列列表中出现长度为7个主题的次数,而不是发生的事情！因此,如果一个主题存在于一个字符串中,它作为bool为TRUE,则增加一个值AND FALSE,然后增加另一个值.

不是字符串中的图案数量.