matlab一串DNA序列,matlab提取DNA序列 小程序

最新推荐文章于 2022-04-02 16:29:15 发布
最新推荐文章于 2022-04-02 16:29:15 发布
阅读量478 收藏
点赞数
文章标签： matlab一串DNA序列

从网上下载下来的网页内容如下：

LOCUS       NC_001133             230218 bp    DNA     linear   PLN 14-JUL-2011

DEFINItiON  Saccharomyces cerevisiae S288c chromosome I, complete sequence.

ACCESSION   NC_001133

VERSION     NC_001133.9  GI:330443391

DBLINK      Project: 128

KEYWORDS    .

SOURCE      Saccharomyces cerevisiae S288c

ORGANISM  Saccharomyces cerevisiae S288c

Eukaryota; Fungi; Dikarya; Ascomycota; Saccharomycotina;

Saccharomycetes; Saccharomycetales; Saccharomycetaceae;

Saccharomyces.

REFERENCE   1  (bases 1 to 230218)

AUTHORS   Goffeau,A., Barrell,B.G., Bussey,H., Davis,R.W., Dujon,B.,

Feldmann,H., Galibert,F., Hoheisel,J.D., Jacq,C., Johnston,M.,

Louis,E.J., Mewes,H.W., Murakami,Y., Philippsen,P., Tettelin,H. and

Oliver,S.G.

TITLE     Life with 6000 genes

JOURNAL   Science 274 (5287), 546 (1996)

PUBMED   8849441

REFERENCE   2  (bases 1 to 230218)

AUTHORS   Bussey,H., Kaback,D.B., Zhong,W., Vo,D.T., Clark,M.W., Fortin,N.,

Hall,J., Ouellette,B.F., Keng,T., Barton,A.B. et al.

TITLE     The nucleotide sequence of chromosome I from Saccharomyces

cerevisiae

JOURNAL   Proc. Natl. Acad. Sci. U.S.A. 92 (9), 3809-3813 (1995)

PUBMED   7731988

REFERENCE   3  (bases 1 to 230218)

CONSRTM   NCBI Genome Project

TITLE     Direct Submission

JOURNAL   Submitted (25-APR-2011) National Center for Biotechnology

Information, NIH, Bethesda, MD 20894, USA

REFERENCE   4  (bases 1 to 230218)

CONSRTM   Saccharomyces Genome Database

TITLE     Direct Submission

JOURNAL   Submitted (31-MAR-2011) Department of Genetics, Stanford

University, Stanford, CA 94305-5120, USA

REMARK    Sequence update by submitter

REFERENCE   5  (bases 1 to 230218)

CONSRTM   Saccharomyces Genome Database

TITLE     Direct Submission

JOURNAL   Submitted (11-DEC-2009) Department of Genetics, Stanford

University, Stanford, CA 94305-5120, USA

COMMENT     PROVISIONAL REFSEQ: This record has not yet been subject to final

NCBI review. The reference sequence is identical to BK006935.

On Apr 26, 2011 this sequence version replaced gi:269970293.

COMPLETENESS: full length.

PRIMARY     REFSEQ_SPAN         PRIMARY_IDENTIFIER PRIMARY_SPAN        COMP

1-2669              U73805.1           1-2669

2592-106271         U12980.3           1-103681

106140-135553       L05146.3           1-29415

133553-175545       L22015.2           1-41988

175399-230218       L28920.2           1-54812

FEATURES             Location/Qualifiers

source          1..230218

/organism="Saccharomyces cerevisiae S288c"

/mol_type="genomic DNA"

/strain="S288c"

/db_xref="taxon:559292"

/chromosome="I"

repeat_region   complement(1..801)

/note="TEL01L; Telomeric region on the left arm of

Chromosome I; composed of an X element core sequence, X

element combinatorial repeats, and a short terminal

stretch of telomeric repeats;

Telomeric region on the left arm of Chromosome I; composed

of an X element core sequence, X element combinatorial

repeats, and a short terminal stretch of telomeric

repeats"

/rpt_family="Telomeric Region"

/db_xref="SGD:S000028862"

repeat_region   complement(1..62)

/note="TEL01L-TR; Terminal stretch of telomeric repeats on

the left arm of Chromosome I;

Terminal stretch of telomeric repeats on the left arm of

Chromosome I"

/rpt_family="Telomeric Repeat"

/db_xref="SGD:S000028864"

repeat_region   complement(63..336)

/note="TEL01L-XR; Telomeric X element combinatorial Repeat

region on the left arm of Chromosome I; contains repeats

of the D, C, B and A types, as well as Tbf1p binding

sites; formerly calLED SubTelomeric Repeats;

Telomeric X element combinatorial Repeat region on the

left arm of Chromosome I; contains repeats of the D, C, B

and A types, as well as Tbf1p binding sites; formerly

called SubTelomeric Repeats"

/rpt_family="X element Combinatorial Repeats"

/db_xref="SGD:S000028866"

repeat_region   complement(337..801)

/note="TEL01L-XC; Telomeric X element Core sequence on the

left arm of Chromosome I; contains an ARS consensus

sequence, an Abf1p binding site consensus sequence and two

small overlapping ORFs (YAL068W-A and YAL069W);

Telomeric X element Core sequence on the left arm of

Chromosome I; …………

这是开头的文件内容，在最后面是DNA序列，在这些E文中有个CDS字段表示的是DNA中外显子的位置，要把文件中所有标示的CDS段中的序列提取出来，当然还要把所有的DNA序列全部提取到一个单独的文件，CDS段中的数字标示也要全部提取到一个文件中。

任务已明确，手工操作确实难度不大，但却很繁琐，我想先实现提取CDS段再说后面的。

提取CDS段要看字符串是不是“CDS”，若是则提取后面的一串“数字”，后面的数字还是字符串形式，而且有的数字前面还有一串我不认识的英语，先做简单的。

首先读取文件了。

fid=fopen(ORIGINAL_FILE_NAME,'r');

file_content=fscanf(fid,'%s');

fclose(fid);

file_length=length(file_content);

将文件读取到file_content中，这里用的fscanf函数，只能读取字符，几乎所有不可见的字符都会忽略，回车换行也读不出来的。

接下来要新建个文件来保存CDS，如下

fid_out=fopen(ALL_CDS,'w');

然后就要开始遍历file_content的内容了，一个字符一个字符的遍历，好麻烦啊，不过在程序里就方便了，

cds_count=0;

xulie=[];

for i=1:file_length

switch file_content(i)

case {'O'}

if(file_content(i:i+5)=='ORIGIN')

xulie=file_content(i+6:file_length-1);

end

case {'C'}

if(file_content(i:i+2)=='CDS')

cds_count=cds_count+1;

变量xulie保存全部DNA序列，cds_count记录找到的CDS的个数，找到了CDS就要提取后面对应的数字了。

tmp1=i+3;

tmp2=double(file_content(tmp1));

while(tmp2 ~= 47 && tmp2 ~= 41 )

if(isnumber(file_content(tmp1))==1)

fprintf(fid_out,'%c',file_content(tmp1));

end

if((file_content(tmp1))==',')

cds_count=cds_count+1;

fprintf(fid_out,'+');

end

tmp1=tmp1+1;

tmp2=double(file_content(tmp1));

end

fprintf(fid_out,'+');

其中fid_out就是所有cds对应的数保存的文件夹，

提取完要关闭文件。

fclose(fid_out);

fprintf('共有%d个外显子。\n',cds_count);

fprintf('任务1已完成。\n');

接下来要处理提取的所有DNA序列，因为源文件为了便于查找对dna进行了序列标注，这里要将里面的数字删除，并将小写的actg转换成大写，这个功能在上学期写过一个，当时做的就像上面那个，用个循环，一个一个的处理，这次我查了点资料，几句话就搞定了。

string_out=char(xulie);

for tmp1=0:9

string_out=strrep(string_out,num2str(tmp1),'');

end

string_out=upper(string_out);

string_out=char(string_out);

fid_out=fopen(ALL_XULIE,'w');

string_out=char(string_out);

fprintf(fid_out,'%s',string_out);

fclose(fid_out);

fprintf('任务2已完成。\n');

这里就是将0~9这10个数字全部替换成空，再用upper函数转换大写，几乎瞬间完成。

接下来就是重头戏了，要将cds对应的序列单独提取并保存到文件，这里要用到前面生成的两个文件。

fid=fopen(ALL_CDS,'r');

file_content=fscanf(fid,'%s');

fclose(fid);

file_length=length(file_content);

fid=fopen(ALL_XULIE,'r');

xulie_content=fscanf(fid,'%s');

fclose(fid);

xulie_length=length(file_content);

然后我又笨笨的一个大的for循环，一个一个的提取创建吧。

for tmp1=1 : file_length

if(file_content(tmp1)~='.' && file_content(tmp1)~='+')

tmp2=[tmp2(:)',file_content(tmp1)'];

else

if(file_content(tmp1)=='.' && file_content(tmp1-1)=='.')

bg_num=str2num(tmp2);

tmp2='';

elseif(file_content(tmp1)=='+')

ed_num=str2num(tmp2);

tmp2='';

cds_count=cds_count+1;

tmp_str2=strcat(PRE_FIX_NAME,num2str(cds_count));

tmp_str2=strcat(tmp_str2,'.txt');

tmp_str1=xulie_content(bg_num:ed_num);

fid_out=fopen(tmp_str2,'w');

fprintf(fid_out,'%s',tmp_str1);

fclose(fid_out);

end

end

end

这里面挺麻烦的，因为开始和结束处之间有两个分割符，所以前面那个就忽略掉了。

新建的文件名要按顺序起名，并要有共同的前缀。这功能就在上面的程序中实现。

功能实现了。可以放松下了。

全部程序：

ORIGINAL_FILE_NAME='dat/dat.txt';

ALL_XULIE='dat/new_dat.txt';

ALL_CDS='dat/CDS.txt';

PRE_FIX_NAME='dat/exon';

clc;

fprintf('任务已启动。\n');

%读取文件内容

fid=fopen(ORIGINAL_FILE_NAME,'r');

file_content=fscanf(fid,'%s');

fclose(fid);

file_length=length(file_content);

tmp1=0;

tmp2=0;

fid_out=fopen(ALL_CDS,'w');

cds_count=0;

xulie=[];

for i=1:file_length

switch file_content(i)

case {'O'}

if(file_content(i:i+5)=='ORIGIN')

xulie=file_content(i+6:file_length-1);

end

case {'C'}

if(file_content(i:i+2)=='CDS')

cds_count=cds_count+1;

tmp1=i+3;

tmp2=double(file_content(tmp1));

while(tmp2 ~= 47 && tmp2 ~= 41 )

if(isnumber(file_content(tmp1))==1)

fprintf(fid_out,'%c',file_content(tmp1));

end

if((file_content(tmp1))==',')

cds_count=cds_count+1;

fprintf(fid_out,'+');

end

tmp1=tmp1+1;

tmp2=double(file_content(tmp1));

end

fprintf(fid_out,'+');

end

end

%     if(bitand(i,65535)==65535)

%         fprintf('任务1完成%f%%\n',i/file_length*100);

%     end

end

fclose(fid_out);

fprintf('共有%d个外显子。\n',cds_count);

fprintf('任务1已完成。\n');

string_out=char(xulie);

for tmp1=0:9

string_out=strrep(string_out,num2str(tmp1),'');

end

string_out=upper(string_out);

string_out=char(string_out);

fid_out=fopen(ALL_XULIE,'w');

string_out=char(string_out);

fprintf(fid_out,'%s',string_out);

fclose(fid_out);

fprintf('任务2已完成。\n');

fid=fopen(ALL_CDS,'r');

file_content=fscanf(fid,'%s');

fclose(fid);

file_length=length(file_content);

fid=fopen(ALL_XULIE,'r');

xulie_content=fscanf(fid,'%s');

fclose(fid);

xulie_length=length(file_content);

tmp2='';

bg_num=0;

ed_num=0;

cds_count=0;

tmp_str1='';

tmp_str2='';

for tmp1=1 : file_length

if(file_content(tmp1)~='.' && file_content(tmp1)~='+')

tmp2=[tmp2(:)',file_content(tmp1)'];

else

if(file_content(tmp1)=='.' && file_content(tmp1-1)=='.')

bg_num=str2num(tmp2);

tmp2='';

elseif(file_content(tmp1)=='+')

ed_num=str2num(tmp2);

tmp2='';

cds_count=cds_count+1;

tmp_str2=strcat(PRE_FIX_NAME,num2str(cds_count));

tmp_str2=strcat(tmp_str2,'.txt');

tmp_str1=xulie_content(bg_num:ed_num);

fid_out=fopen(tmp_str2,'w');

fprintf(fid_out,'%s',tmp_str1);

fclose(fid_out);

end

end

end

fprintf('任务3完成。\n');

fprintf('共有%d个外显子。\n',cds_count);

fprintf('任务全部完成。\n\n');

还有个小程序

function jg=isnumber(canshu)

if((double(canshu)<=58 && double(canshu)>47) ...

|| double(canshu)==46)

jg=1;

else

jg=0;

end

699ba7046c51816a17b33a7caa85f179.png

0

呐傷.已黯淡
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MATLAB DNA 编码
12-15
把图像信息转化成二进制形式后，编码成DNA碱基对形式
dna序列的matlab实现,Matlab实现DNA序列的聚类树图
weixin_32487557的博客
03-19 978
序列一如下：Series 1a='AAGCTTCACCGGCGCAATTATCCTCATAATCGCCCACGGACTTACATCCTCATTATTATTCTGCCTAGCAAACTCAAATTATGAACGCACCCACAGTCGCATCATAATTCTCTCCCAAGGACTTCAAACTCTACTCCCACTAATAGCCTTTTGATGACTCCTAGCAAGCCTCGCTAACCTCGC...
DNA编码解码程序,DNA解码,matlab
09-10
DNA编码、DNA解码、取补、相关性分析程序是实现基于DNA编码的图像加密算法的核心程序
DNA加法MATLAB代码
04-18
应用于图像加密的DNA加法的MATLAB代码。。。。。。。。。。。。。。。。。。。。。。。。。。。。
yueshutiaojian.zip_DNA 序列_DNA 汉明距离_DNA序列_汉明距离_汉明距离matlab
09-23
在IT领域，尤其是在生物信息学中，DNA序列分析是一个重要的研究方向。汉明距离（Hamming Distance）是衡量两个DNA序列差异的一种基本方法，它在理解基因变异、进化关系以及基因组比较等方面有着广泛的应用。这里我们...
DNA序列检测matlab源码，算法为singular value decomposition,含仿真操作录像
04-11
3.内容：DNA序列检测matlab源码，算法为singular value decomposition，检测对象为F56F11.4 ，检测目标为period-3。 4.注意事项：注意MATLAB左侧当前文件夹路径，必须是程序所在文件夹位置，具体可以参考视频录。
DNAtranslator:将 DNA 序列转换为氨基酸序列-matlab开发
05-29
DNAtranslator 是一个将 DNA 序列转换为相应蛋白质序列的小功能。 DNAtranslator 可以接受原始 DNA 序列作为输入，即 DNAtranslator('ACTGTTACCGAATCA')，或保存序列的纯文本文件，即 DNAtranslator('cdna.txt')。 ...
（精）matlab&lingo已编好的程序之分析DNA序列
04-28
该程序旨在利用MATLAB和LINGO分析DNA序列。该程序已经预先编码好并可以直接使用。 ## MATLAB程序 MATLAB程序使用以下步骤来分析DNA序列： 1. 读取DNA序列。 2. 将DNA序列转换为氨基酸序列。 3. 计算氨基酸序列的...
matlab软件编写DNA序列分类使用FCM命令的实验报告
05-18
在MATLAB中，DNA序列可以表示为字符串，每个字符代表一个碱基。特征提取通常包括以下步骤： - **碱基频率统计**：计算每种碱基在序列中的出现频率。 - **滑动窗口法**：通过设定大小的窗口在序列上滑动，计算窗口内...
行列式计算用matlab的代码-ChromHL:从DNA序列和蛋白质浓度预测染色质中微结构域的形成
06-19
行列式计算用matlab的代码ChromeHL 哺乳动物表观基因组包含数以千计的异染色质纳米域 (HND)，其特征是组蛋白 H3 在赖氨酸 9 处的二甲基化和三甲基化，其典型大小为 3-10 个核小体。 然而，对其位置和边界的（表观）遗传决定因素仅部分了解。 在这里，我们比较了小鼠胚胎干细胞中的四种 HND 类型，它们由组蛋白甲基化酶 SUV39H1/2 或 GLP、转录因子 ADNP 或染色质重塑剂 ATRX 定义。 基于称为ChromHL的新型染色质分层晶格框架，我们能够以单核苷酸分辨率预测 HND 图。 我们发现 HND 成核可以通过 DNA 序列特异性蛋白质与 PAX3/9、ADNP 和 LINE1 重复序列的结合来合理化。 根据微域的类型，边界由 CTCF 结合位点或核小体-核小体和核小体-HP1 相互作用决定。 我们的新框架允许预测 H3K9me2/3 和其他染色质纳米域的模式如何在细胞分化等过程中建立和改变。 介绍 此代码是结合 R 和 MATLAB 编写的。 它允许计算单个基因组区域的表观遗传染色质景观，以及对 FASTA 文件中定义的一组基因组区域进行批量计算。 系统
matlab实现的基因序列的预处理，筛选，重排列，规定格式输出
04-08
这段程序的主要作用是，从一个基因库中，查找到我们的目的基因，然后将该目的基因连带其后面的核苷酸序列一起按照fasta格式输出。为了方便后面的靶基因的预测，可以减少很大的工作量。本人从事生物信息分析很多年，可以帮忙进行一些个性化的数据分析工作。有兴趣联系我吧
MotifCatcher:用于确定和评估具有生物学意义的基序的 MATLAB GUI 平台-matlab开发
06-01
MotifCatcher 是一个 MATLAB 平台，旨在扩展通过系统地包含/排除输入的现有主题发现程序序列条目，以及在主题树中组织结果。 当用户输入中等数量的输入序列时，MotifCatcher 效果最佳（大约在 20 到 200 之间），用户期望其中一些将包含重要的主题，而有些则不会。 示例数据集可能是染色质免疫沉淀实验后进行微阵列杂交（ChIP-chip）实验，其中蛋白质可以定位于特定的 DNA 片段，这是由于DNA-蛋白质接触（在这种情况下，我们可能会发现一个子序列模式）或间接的蛋白质-蛋白质相互作用（在这种情况下，将没有子序列模式）。 MotifCatcher 利用蒙特卡罗框架内的随机抽样来为整个数据集的子集定义主题。 默认搜索样式在 MEME 和 MAST 程序之间迭代协调（请参阅'安装'）。 整体的合理有意义的子集在 STAMP 平台的帮助下，输入数据集被组织成距离树（
matlab开发-StringIsNumber
08-26
matlab开发-StringIsNumber。如果输入字符串只包含数字，则StringIsNumber返回1，否则返回零。
数学建模（6）-DNA限制性图谱的绘制
孤剑之家
09-14 3631
DNA限制性图谱的绘制?绘制DNA限制性图谱是遗传生物学中的重要问题。由于DNA分子很长，目前的实验技术无法对其进行直接测量，所以生物学家们需要把DNA分子切开，一段一段的来测量。在切开的过程中，DNA片段在原先DNA分子上的排列顺序丢失了，如何找回这些片段的排列顺序是一个关键问题。为了构造一张限制性图谱，生物学家用不同的生化技术获得关于图谱的间接的信息，然后采用组合方法用这些数据重构
c语言程序dna匹配,DNA （C语言代码）
weixin_40001519的博客
05-20 502
解题思路:先打印第一组图案，在对角线上面才打印：行数和列数相同时和行数和列数相加等于a - 1再打印后面的图案就每个少打印第一行的图案就可以了注意事项:输出的“X”是大写的参考代码:#include int main() {int N, a, b, i, j, k,l;scanf("%d", &N);for (l = 1; l <= N; l++) {scanf("%d%d", &a...
基于python的全局与局部序列比对的实现（DNA）
mmqwqf的博客
10-05 5228
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 全局与局部序列比对的实现（DNA）程序能实现什么一、实现步骤1.用户输入步骤2.代码实现步骤二、实验结果截图1.全局比对2.局部比对总结 程序能实现什么 a.完成gap值的自定义输入以及两条需比对序列的输入 b.完成得分矩阵的计算及输出 c.输出序列比对结果 d.使用matplotlib对得分矩阵路径的绘制 一、实现步骤 1.用户输入步骤 a.输入自定义的gap值 b.输入需要比对的碱基序列1（A,T,C,G）换行表示输入完成 b.输入
c语言字符串dna,转录流程(c语言编写DNA转录程序)
weixin_33561910的博客
05-19 522
c语言编写DNA转录程序AT,CG进行互换就可以了#include#includemain(){char input[50];/*Defined to store the DNA code sequence*/int i;/*Used as counter*/printf("\n\tInput the DNA sequence you want to convert\n\t");gets(inpu...
java程序dna,蓝桥杯——DNA（Java题解）
weixin_39807691的博客
03-22 217
蓝桥杯——DNA(Java题解)蓝桥杯——DNA(Java题解)题目 1115:DNA时间限制: 1Sec内存限制: 128MBimport java.util.Scanner;public class Main {public static void main(String[] args) {Scanner scanner = new Scanner(System.in);int N = sca...
dukelearntoprogram DNA链找基因问题 Java
ganlanA的博客
04-02 1075
利用密码子ATG找到DNA链中Gene的简易程序(4种)
matlab dna序列识别
最新发布
09-22
Matlab是一种重要的科学计算软件，在DNA序列识别中也能发挥重要的作用。DNA序列识别是指将DNA序列中的特定模式或序列标记出来，以便进一步研究或分析。Matlab在DNA序列识别中可以通过如下几个步骤实现： 1. 导入DNA...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值