C：將DNA序列壓縮成二進制

Question

嗨，我正在嘗試找出如何獲得將 DNA 代碼轉換為二進制位的函數，需要使它看起來像這樣：ACGTT -> XXXXXX11 11100100 從右到左為 A=0 C=1 G=2 T=3 . 現在我想按字符來做，然后將它移出功能>>2，但我無法弄清楚函數本身......我像這樣試過，這樣它返回NULL。

char CompressChar(char c){
char temp[8]="XXXXXXXX";
if (c=='A'){
 temp[7] = '0';
 temp[6] = '0';
}
if (c=='C'){
    temp[7]='1';
    temp[6]='0';
}
if(c=='G'){

    temp[7]='0';
    temp[6]='1';
}

if(c=='T'){
   temp[7]='1';
   temp[6]='1';
}
return temp;

}

Answer 1

我認為您希望每個字母（它們被稱為核苷酸 iirc？）代表 2 個二進制數字。

首先， char temp[8]="XXXXXXXX"; 沒有意義，因為 C 中的字符串以空結尾，並且您沒有為空終止符分配空間，應該是[8+1] 。 你想要 16 位，而不是 8 位。

您的函數返回一個不正確的char ，您需要返回整個數組。 這必須通過一個參數來完成，因為你不能在 C 中返回數組。你不能返回一個指向本地數據的指針，所以最好將分配留給調用者。 無論如何...划傷那個功能。

此外，將其轉換為“二進制字符串”沒有多大意義。 最好將其轉換為二進制數，然后根據需要將該數字轉換為字符串。

轉換，包括“倒序”，然后可以這樣完成：

uint16_t dna_to_bin (const char* str)
{
  uint16_t result = 0;
  size_t i;

  for(i=0; i<16; i+=2)       // loop over bits in the resulting binary number
  {
    typedef enum             // local enum just for readability
    {
      A = 0,
      C = 1,
      G = 2,
      T = 3,
    } dna_t;
    dna_t type=0;            // default is 0 if nothing to decode

    if(*str != '\0')         // keep decoding string until reaching the end
    {
      switch(*str)
      {
        case 'A':     type = A; break;
        case 'C':     type = C; break;
        case 'G':     type = G; break;
        case 'T':     type = T; break;
      }
      str++;
    }

    result |= (uint16_t)type << i; // store data at correct position in the result
  }

  return result;
}

完整示例包括一個打印二進制並丟棄下面前導零的函數。 如果你想用 X 替換前導零，修改應該很簡單。

#include <stdint.h>
#include <inttypes.h>
#include <stdio.h>
#include <stdbool.h>

uint16_t dna_to_bin (const char* str)
{
  uint16_t result = 0;
  size_t i;

  for(i=0; i<16; i+=2)
  {
    typedef enum
    {
      A = 0,
      C = 1,
      G = 2,
      T = 3,
    } dna_t;
    dna_t type=0;

    if(*str != '\0')
    {
      switch(*str)
      {
        case 'A':     type = A; break;
        case 'C':     type = C; break;
        case 'G':     type = G; break;
        case 'T':     type = T; break;
      }
      str++;
    }
    result |= (uint16_t)type << i;
  }

  return result;
}


void print_bin (uint16_t bin)
{
  bool remove_zeroes = true;

  for(size_t i=0; i<16; i++)
  {
    uint16_t mask = 1u << (16-1-i);
    uint16_t bit = bin & mask;

    if(bit == 0)
    {
      if(!remove_zeroes)
      {
        printf("0");
      }
    }
    else
    {
      remove_zeroes = false;
      printf("1");
    }
  }
}


int main (void)
{
  const char STR_DNA[] = "ACGTT";
  uint16_t bin = dna_to_bin(STR_DNA);

  puts(STR_DNA);
  printf("Hex: %.4"PRIX16 "\n", bin);
  printf("Bin: ");
  print_bin(bin);

  return (0);
}

輸出：

ACGTT
Hex: 03E4
Bin: 1111100100