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.