编程语言:Python 3.4
我已经为Coursera的生物信息学1课程编写了一个程序.该程序工作正常,但对于大型数据集来说速度非常慢.我想,这是因为循环运行了4**k次,其中k是传递给函数的子字符串的长度.输入:字符串文本和模式以及整数d.输出:所有起始位置,其中Pattern显示为Text的子字符串,最多d个不匹配.
这是我的代码:
def MotifCount(string1, substring, d):
k = 4 ** (len(substring))
codeArray = list(itertools.product(['A', 'C', 'G', 'T'], repeat=len(substring)))
for i in range(k):
codeArray2 = ''.join(list(codeArray[i]))
HammingValue = HammingDistance(codeArray2, substring)
if HammingValue <= d:
for j in range(len(string1)):
if(string1.find(codeArray2, j) == j):
print(j)
def HammingDistance(string_1, string_2):
length_1 = len(string_1)
length_2 = len(string_2)
count = 0
for i in range(length_1):
if string_1[i] != string_2[i]:
count += 1
return …