DNA序列中的团簇发现

Question

我正在尝试理解一个简短的代码，用于解决DNA序列中的团簇发现问题。 问题是

给定整数L和t，如果存在一个长度为L的基因组间隔，其中Pattern出现至少t次，则字符串Pattern在（更大的）字符串Genome中形成一个（L，t）-簇。

例如，TGCA在以下基因组中形成（25,3）-团块： gatcagcataagggtcccTGCAaTGCAtgacaagccTGCAgttgttttac 。

团发现问题

查找在字符串中形成团块的模式。

给定：字符串Genome，整数k，L和t。

返回值：基因组中所有形成（L，t）团块的不同k聚体。

代码如下：

from collections import defaultdict

def search(inseq, k, L, t):
    lookup = defaultdict(list)
    result = set()

    for cursor in range(len(inseq) - k + 1):
        seg = inseq[cursor:cursor + k]

        # remove prior positions of the same segment
        # if they are more than L distance far
        while lookup[seg] and cursor + k - lookup[seg][0] > L:
            lookup[seg].pop(0)

        lookup[seg].append(cursor)
        if len(lookup[seg]) == t:
            result.add(seg)

    return result

这是我的问题，

（1）使用defaultdict代替dict的目的是什么？

（2）什么是查找[段]？ 它是k-mer团簇的起始位置吗？

Answer 1

defaultdict是一个Python对象，如果您请求不在字典中的键，则仅返回“默认”对象。 在这种情况下，默认项是列表。 这是defaultdict的文档

如果lookup[seg]位于要解析的片段部分的L距离之内，则好像lookup[seg]返回了片段seg的位置列表。 因此， lookup[seg]的返回对象是DNA序列的索引列表。

Answer 2

1）使用defaultdict的目的是什么？

defaultdict(list)允许您使用lookup[seg]访问键，并“神奇地”在其中找到准备好的列表。 如果键（ seg ）已经存在，那您将得到。 否则，您将获得一个空列表。 对于普通字典，第二个字典是错误的。

（2）什么是查找[段]？

只要位置足够接近，它就是序列中的位置列表。