生成DNA序列，不包括特定序列

Question

我刚开始学习使用Python编程。在课堂上，我们被要求生成一个随机的DNA序列，该序列不包含特定的6个字母序列（AACGTT）。目标是创建一个函数，始终返回合法的序列。目前我的函数大约78%的时间可以生成正确的序列。如何让它100％返回合法序列？任何帮助都将不胜感激。

以下是我现在的代码：

from random import choice
def generate_seq(length, enzyme):
    list_dna = []
    nucleotides = ["A", "C", "T", "G"]
    i = 0
    while i < 1000:
        nucleotide = choice(nucleotides)
        list_dna.append(nucleotide)
        i = i + 1

    dna = ''.join(str(nucleotide) for nucleotide in list_dna)
    return(dna) 


seq = generate_seq(1000, "AACGTT")
if len(seq) == 1000 and seq.count("AACGTT") == 0:
    print(seq)

- okidohakase

---

在你的22%不合法的情况中，是什么使得数据不合法？ - JacobIRR

如果唯一的目标是获得一个不包含这个6字母序列的DNA序列，只需更改“nucleotides = [“A”]”即可达到技术上的正确（最好的正确）。如果你生成了该序列，也可以直接将其删除。或者你可以用不同的方式进行限制。这取决于你以后想要对这个序列做什么。 - CJR

你的DNA序列可以合法地包含AACGT，但是为了保持合法性，下一个基因应该只从[A，C，G]中选择，因为T是不允许的。 - rossum

Answer 1

一种选择是检查循环中最后几个条目，只有在没有创建“坏”序列时才继续添加。然而，这可能会导致出现“AACGT”序列的概率高于真正随机，只是最后一个字母不同。

from random import choice
def generate_seq(length, enzyme):
    list_dna = []
    nucleotides = ["A", "C", "T", "G"]
    i = 0
    while i < 1000:
        nucleotide = choice(nucleotides)
        list_dna.append(nucleotide)
        #check for invalid sequence. If found, remove last element and redraw
        if ''.join(list_dna[-6:]) == "AACGTT":
            list_dna.pop()
        else:
            i = i + 1

    dna = ''.join(str(nucleotide) for nucleotide in list_dna)
    return(dna) 


seq = generate_seq(1000, "AACGTT")
if len(seq) == 1000 and seq.count("AACGTT") == 0:
    print(seq)

- G. Anderson

Answer 2

一个想法是检查前5个核苷酸是否等于AACGT，在这种情况下只从["A", "C", "G"]中选择。

from random import choice


def generate_seq(length, enzyme, bad_prefix="AACGT"):
    list_dna = []
    nucleotides = ["A", "C", "T", "G"]
    i = 0
    while i < 1000:
        if list_dna[-5:] != bad_prefix:
            nucleotide = choice(nucleotides)
        else:
            nucleotide = choice(["A", "C", "G"])
        list_dna.append(nucleotide)
        i = i + 1

    dna = ''.join(str(nucleotide) for nucleotide in list_dna)
    return dna


seq = generate_seq(1000, "AACGTT")
if len(seq) == 1000 and seq.count("AACGTT") == 0:
    print(seq)

- Dani Mesejo