用取代率生成合成DNA序列

Question

鑒於這些輸入：

my $init_seq = "AAAAAAAAAA" #length 10 bp 
my $sub_rate = 0.003;
my $nof_tags = 1000;
my @dna = qw( A C G T );

我想生成：

1. 一千個長度 - 10個標簽

2. 標簽中每個位置的替代率為0.003

產量如下：

AAAAAAAAAA
AATAACAAAA
.....
AAGGAAAAGA # 1000th tags

在Perl中有一種緊湊的方式嗎？

我堅持使用這個腳本的邏輯作為核心：

#!/usr/bin/perl

my $init_seq = "AAAAAAAAAA" #length 10 bp 
my $sub_rate = 0.003;
my $nof_tags = 1000;
my @dna = qw( A C G T );

    $i = 0;
    while ($i < length($init_seq)) {
        $roll = int(rand 4) + 1;       # $roll is now an integer between 1 and 4

        if ($roll == 1) {$base = A;}
        elsif ($roll == 2) {$base = T;}
        elsif ($roll == 3) {$base = C;}
        elsif ($roll == 4) {$base = G;};

        print $base;
    }
    continue {
        $i++;
    }

Answer 1

作為一個小優化，替換：

    $roll = int(rand 4) + 1;       # $roll is now an integer between 1 and 4

    if ($roll == 1) {$base = A;}
    elsif ($roll == 2) {$base = T;}
    elsif ($roll == 3) {$base = C;}
    elsif ($roll == 4) {$base = G;};

同

    $base = $dna[int(rand 4)];

Answer 2

編輯：假設替代率在0.001到1.000的范圍內：

和$roll ，生成[1..1000]范圍內的另一個（偽）隨機數，如果它小於或等於（1000 * $ sub_rate）則執行替換，否則什么都不做（即輸出'A' “）。

請注意，除非知道隨機數生成器的屬性，否則可能會引入微妙的偏差。

Answer 3

不完全是你想要的，但我建議你看看BioPerl的Bio :: SeqEvolution :: DNAPoint模塊。 但它並不以突變率作為參數。 相反，它詢問與您想要的原始序列同一性的下限。

use strict;
use warnings;
use Bio::Seq;
use Bio::SeqEvolution::Factory;

my $seq = Bio::Seq->new(-seq => 'AAAAAAAAAA', -alphabet => 'dna');

my $evolve = Bio::SeqEvolution::Factory->new (
   -rate     => 2,      # transition/transversion rate
   -seq      => $seq
   -identity => 50      # At least 50% identity with the original
);


my @mutated;
for (1..1000) { push @mutated, $evolve->next_seq }

所有1000個突變序列將存儲在@mutated數組中，它們的序列可以通過seq方法訪問。

Answer 4

如果替換，您希望從可能性中排除當前基數 ：

my @other_bases = grep { $_ ne substr($init_seq, $i, 1) } @dna;
$base = @other_bases[int(rand 3)];

另請參閱Mitch Wheat關於如何實施替代率的答案 。

Answer 5

我不知道我是否理解正確，但我會做這樣的事情（偽代碼）：

digits = 'ATCG'
base = 'AAAAAAAAAA'
MAX = 1000
for i = 1 to len(base)
  # check if we have to mutate
  mutate = 1+rand(MAX) <= rate*MAX
  if mutate then
    # find current A:0 T:1 C:2 G:3
    current = digits.find(base[i])
    # get a new position 
    # but ensure that it is not current
    new = (j+1+rand(3)) mod 4        
    base[i] = digits[new]
  end if
end for