[Rosalind] Finding a Motif in DNA (Python/R)

2023.06.07 R풀이 추가 

| Problem

두 개의 서열을 준다

나머지 서열 하나가 그보다 더 긴 서열에 매치가 되면, 그 매치된 자리의 위치를 출력하다(순서는 왼 -> 오)

 

| 예제데이터와 결과 

Sample Dataset

GATATATGCATATACTT
ATAT

Sample Output

2 4 10

 

---

| Python

with open('rosalind_subs.txt', 'r') as f : 
    s = f.readline() 
    t = f.readline() 

t_num = len(t)
tt = t[0:t_num-1]  # '\n' 제거

for i in range(len(s)) : 
    if s[i:i+t_num-1] == tt : print(i+1,end=" ")

 

추천수 많이 받은 답 by Leandro Lima

s1,s2 = open('rosalind_subs.txt').read().split('\r\n')

for i in range(len(s1)):
    if s1[i:].startswith(s2):
        print i+1,

by ikorotkov

input_file = 'rosalind_SUBS.txt'

with open(input_file) as file:
    dna1 = file.readline().strip()
    dna2 = file.readline().strip()
i = dna1.find(dna2)
while i != -1:
    print i + 1, 
    i = dna1.find(dna2, i + 1)

 

앗 strip()하면 \n이 제거되는구나!

까먹었다...

 

| R

a <- readLines("./Filename.txt")
l1 <- a[[1]] %>% strsplit("") %>% unlist()
primer <- a[[2]]

a <- c()
c <- c()
max <- length(l1)-(nchar(primer)-1)
primer_len <- nchar(primer)-1
for (i in 1:max){
  a <- paste(l1[i:(i+primer_len)],collapse = "")  
  if (a == primer) {
    c <- c(c, i)
    
  }
}
c

 

R은 Python과 다르게 출력 앞에 [1] 표시가 붙는다. 그래서 print형태로 i값을 출력하기보다는 벡터에 담은 후 그 벡터를 출력하는 형식으로 가야 한다. 

 

 

+) ChatGPT에게 멋있게 요약해달라고 했다.

text <- unlist(strsplit(a[[1]], ""))
primer <- a[[2]]

find_indices <- function(text, primer) {
  primer_len <- nchar(primer) - 1
  max <- length(text) - primer_len
  c <- which(sapply(1:max, function(i) paste(text[i:(i+primer_len)], collapse = "") == primer))

  return(c)
}
c <- find_indices(text, primer)

for의 반복은 sapply로 바꾸고, 그 안에 function을 만들어서 그 조건에 해당하는 1:max 사이의 값들을 c에 담았다. 

 

+) 두 함수의 시간 비교하기 

text <- unlist(strsplit(a[[1]], ""))
primer <- a[[2]]

find_indices <- function(text, primer) {
  primer_len <- nchar(primer) - 1
  max <- length(text) - primer_len
  c <- which(sapply(1:max, function(i) paste(text[i:(i+primer_len)], collapse = "") == primer))

  return(c)
}
c <- find_indices(text, primer)


find_indices_origin <- function(text, primer) {
  primer_len <- nchar(primer) - 1
  max <- length(text) - primer_len
  a <- c()
  c <- c()
  for (i in 1:max){
  a <- paste(l1[i:(i+primer_len)],collapse = "")  
  if (a == primer) {
    c <- c(c, i)
    }
  }
  return(c)
}
c <- find_indices(text, primer)
c <- find_indices_origin(text, primer)


result <- system.time(find_indices(text, primer))
result
 # 사용자  시스템 elapsed 
 #   0.03    0.00    0.03 
result2 <- system.time(find_indices_origin(text, primer))
 # 사용자  시스템 elapsed 
 #   0.03    0.00    0.03

시간은 큰 차이가 없다.