前言

Rosalind is a platform for learning bioinformatics and programming through problem solving.

Rosalind是一个通过解决实际生物学问题来学习生物信息和练习编程的平台，类似于IT行业的刷题网站力扣（LeetCode）。工作学习之余，咱们也来刷一波吧。

说明

  • Python是我推荐做生信必学的一门脚本语言，因此所有算法都用Python实现。
  • Rosalind刷题需要有一定的Python编程基础。
  • 最好在Linux系统下进行编写和测试Python脚本。
  • 鉴于Python的哲学是：处理一件事最好的方法只有一种。因此我在解完题后，会参考别人已有的答案，如果解决方式更好，便会采用，同时会注明出处。这样做的目的是力求为读者呈现最佳的解题思路，不会为了原创而原创。

问题描述

字符串是Python中的一种基本数据类型，一个字符串由一组有序的字符组成。由于DNA的四种碱基通常用A、T、C、G四个字母表示，因此一段DNA序列可以通过一个字符串表示，如：ATGCTTCAGAAAGGTCTTACG

给定： 一条长度至多1000bp的DNA字符序列。

需得： 4个以空格隔开的整数，分别表示4种碱基（A, C, G, T）在字符串中出现的次数。

示例数据

1

AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCTGATAGCAGC

示例结果

1

20 12 17 21

Python实现

Counting_DNA_Nucleotides.py

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

from collections import defaultdict;

def count_dna_nucleotides(dna):
    d = defaultdict(int)
    for c in dna.upper():
        d[c] += 1
    return "%d %d %d %d" % (d['A'], d['C'], d['G'], d['T'])


def test():
    dna = 'AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCTGATAGCAGC'
    ret = count_dna_nucleotides(dna)
    return ret == "20 12 17 21"


if __name__ == '__main__':
    if not test():
        print("count_dna_nucleotides: Failed")

    with open('rosalind_dna.txt') as fh:
        dna = fh.read()
        ret = count_dna_nucleotides(dna)
        print(ret)

说明：

  • 用一个字典保存四种碱基的计数
  • 用defaultdict而不是普通的dict，defaultdict的好处是任意键都已经默认初始化了一个值，可以直接使用
  • 一个小技巧是构造一个测试函数test()，先用示例数据测试通过后再用从Rosalind下载的数据集进行计算答案，确保一次通过

怎么样，很简单吧，赶快上车吧。

学生信欢迎关注我的知乎，请“点赞”为爱发电，只“收藏”不点赞都是耍流氓。