Неслучайная случайность, или рандомная последовательность в питоне.

[Señor_Gaga]

А я не могу понять точно постановку задачи. (Как я понял - это биология?)
Можно к примеру рандомно генерировать A T G и C.
Все сливать в одну последовательность. Вопрос - считать только соседние
пары символов или все образуемые пары?
К примеру имеем ATGC
Будет по условию две пары AT и GC
или три AT, TG, GC ?

[Phlya]

Да, я учусь применению питона для анализа биологических последовательностей.
Я так и делал, рандомно генерировал A, T, G и C, сливал в одну последовательность))

Это даст три пары, нет ограничений на их перекрывание.

[Señor_Gaga]

Попробовал учесть все соседние пары. Получил такой результат:

(Нажмите, чтобы показать/скрыть)

home@home-Vostro-1015:~$ python fotla1.py
Количество образованных пар = 159999
result =   [9870, 9882, 9943, 10087, 10027, 9976, 10094, 9897, 10058, 9920, 9976, 10125, 10036, 10015, 10109, 9984]
('A', 'A')  =  6.16875  %
('A', 'T')  =  6.17625  %
('A', 'G')  =  6.214375  %
('A', 'C')  =  6.304375  %
('T', 'T')  =  6.266875  %
('T', 'A')  =  6.235  %
('T', 'G')  =  6.30875  %
('T', 'C')  =  6.185625  %
('G', 'G')  =  6.28625  %
('G', 'A')  =  6.2  %
('G', 'T')  =  6.235  %
('G', 'C')  =  6.328125  %
('C', 'C')  =  6.2725  %
('C', 'A')  =  6.259375  %
('C', 'T')  =  6.318125  %
('C', 'G')  =  6.24  %

Сам код:

Код: [Выделить]

# -*- coding: utf-8 -*-
#!usr/bin/env python

from random import randrange

size = 160000

nuc = ('A', 'T', 'G', 'C')

sec = [] # сюда будем сливать ранндомно A T C G

sec2 = [] # здесь будут формироваться пары

let2 = ( ('A','A'),('A','T'),('A','G'),('A','C'), # кортеж возможных пар символов
         ('T','T'),('T','A'),('T','G'),('T','C'),
         ('G','G'),('G','A'),('G','T'),('G','C'),
         ('C','C'),('C','A'),('C','T'),('C','G') )

result =  [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,] # здесь будет частота втречаемости пар

def createSec(): # создает sec размером size
    for i in range(size):
        n = randrange(4) # генерируем случайное число в дипазоне от 0 до 3
        ch = nuc[n]
        sec.append(ch)

def createSec2(): # создает sec2
    for i in range(size-1):
        head = sec[i]
        tail = sec[i+1]
        para = (head, tail)
        sec2.append(para)

def countPar(): # подсчитывает образованные пары
    for i in range(16):
        para = let2[i]
        result[i] = sec2.count(para)

def putLet2(): # выводит частоту втречаемости пар в %
    for i in range(16):
        n = result[i]
        x = n*100.0/size
        print let2[i], ' = ', x, " %"

def main():
    createSec()
    createSec2()
    countPar()
    qPar = len(sec2)
    print 'Количество образованных пар =', len(sec2)
    print 'result =  ', result
    putLet2()
   
main()


Интересно, полученный результат распределения в 6 %
как то подтверждается в биологии?

[Phlya]

Удивительно, почему у меня не так получается?..
А 6% тут никакого смысла не несут, конечно, это просто равномерное распределение 100%/16 = 6,25 %.

[Señor_Gaga]

Однако задачка доставила...
Давай еще! 

[Phlya]

Удивительно, почему у меня не так получается?..

Вот это самая интересная для меня задачка! Делаю же по сути все ровно так же (даже красивее, на мой вкус ;-), но это каждому свое). Я в тупике, где у меня лажа?

[Señor_Gaga]

Пробовал твою запустить, на сразу споткнулся на этом:

from scipy.stats import chisquare

У меня такого модуля нет.

[Phlya]

Я уже говорил, это можно убрать, ничего не потеряв из нужного.

[Phlya]

Так что, нет идей, что я там не так сделал?

[Señor_Gaga]

Запустить программу не удалось. Выдает ошибки:

(Нажмите, чтобы показать/скрыть)

home@home-Vostro-1015:~/проекты$ python flya.py
P-value for uniform ditribution
Traceback (most recent call last):
  File "flya.py", line 52, in <module>
    print 'P-value for uniform ditribution', chisq[1]
NameError: name 'chisq' is not defined

Так же возможно сбой в этой функции:

Код: [Выделить]

def get_word_dict(seq):
    word_dict = {}
    for length in range(1, 6):
        for word in words(seq, length):
            word_dict[word] = seq.count(word) #Сам подсчет
    return word_dict


seq.count(word) однозначно возвращает число вхождений
word в список seq. Зачем все это засовывать в цикл?

[Phlya]

Ну, неудивительно, что выдает ошибки. Просто уберите все, где упоминается этот злосчастный chisqare.

А цикл для внутренний для того, чтобы записать все вхождения слов длины length из внешнего цикла.

[Señor_Gaga]

Смысла не вижу. Я задачку уже решил.
А ваш код не понимаю, разбираться нет времени.
Протестируйте отдельно каждую функцию.
Возможно найдете где глюк.

[Phlya]

Эх. Это же не "Заточи свой мозг" тема, а как раз вопрос в том, что не так, если что-то не так) Так что смысл самый непосредственный...

[Phlya]

Обнаружил, что string.count(substring) считает непересекающиеся последовательности.

Да, это, оказывается, и в документации написано:

str.count(sub[, start[, end]])

    Return the number of non-overlapping occurrences of substring sub in the range [start, end]. Optional arguments start and end are interpreted as in slice notation.

В общем, переделал подсчет вот так:

Код: (Python) [Выделить]

def get_word_dict(seq, length = range(1,5)):
    word_dict = {}
    for l in length:
        for word in get_words(l):
            word_dict[word] = 0
        start = [i for i in range(len(seq)-l+1)]
        for i in start:
            word = seq[i:i+l]
            word_dict[word] += 1
    return word_dict

Последовательность событий АА имеет меньшую вероятность чем последовательность АТ

В общем, не стоит умничать и утверждать что-то, если не знаете. Разумеется, вероятность одинаковая.