[英]Parsing a single tree for a sequence using NLTK in Python
我想解析一棵樹的 RNA 序列。 我在列表中標記了 RNA 序列,如下面的代碼所示,並解析了樹:
from __future__ import print_function
import nltk
import pdb
import numpy as np
import h5py
import RNA_vae
import equation_vae_copy
import RNA_grammar
sent = ['C', 'C', 'C', 'C', 'A', 'A', 'A', 'U', 'A', 'C', 'A', 'G', 'A', 'A', 'G', 'C', 'G', 'G', 'G', 'C', 'U', 'U', 'A']
parser = nltk.ChartParser(RNA_grammar.GCFG)
parse_trees = [next(parser.parse(t)) for t in sent]
print(parse_trees)
但是代碼的output如下:
[Tree('S', [Tree('L', ['C'])]), Tree('S', [Tree('L', ['C'])]), Tree('S', [Tree('L', ['C'])]), Tree('S', [Tree('L', ['C'])]), Tree('S', [Tree('L', ['A'])]), Tree('S', [Tree('L', ['A'])]), Tree('S', [Tree('L', ['A'])]), Tree('S', [Tree('L', ['U'])]), Tree('S', [Tree('L', ['A'])]), Tree('S', [Tree('L', ['C'])]), Tree('S', [Tree('L', ['A'])]), Tree('S', [Tree('L', ['G'])]), Tree('S', [Tree('L', ['A'])]), Tree('S', [Tree('L', ['A'])]), Tree('S', [Tree('L', ['G'])]), Tree('S', [Tree('L', ['C'])]), Tree('S', [Tree('L', ['G'])]), Tree('S', [Tree('L', ['G'])]), Tree('S', [Tree('L', ['G'])]), Tree('S', [Tree('L', ['C'])]), Tree('S', [Tree('L', ['U'])]), Tree('S', [Tree('L', ['U'])]), Tree('S', [Tree('L', ['A'])])]
我想為整個序列制作一棵樹,但它為 RNA 中的每個字符制作了樹。 如何為整個序列生成一棵樹?
語法如下:
# the RNA grammar
gram = """S -> LS
S -> L
LS -> L
LS -> S
L -> AFU
L -> UFA
L -> GFC
L -> CFG
L -> 'A'
L -> 'U'
L -> 'C'
L -> 'G'
F -> AFU
F -> UFA
F -> GFC
F -> CFG
F -> LS
AFU -> 'A'
AFU -> F
AFU -> 'U'
UFA -> 'U'
UFA -> F
UFA -> 'A'
GFC -> 'G'
GFC -> F
GFC -> 'C'
CFG -> 'C'
CFG -> F
CFG -> 'G'
Nothing -> Nones
"""
語法必須如下:
然后,我將語法更改如下,但仍然無法解析序列:
gram = """S -> L S | L
L -> 'A' F 'U' | 'A' | 'U' F 'A' | 'U' | 'C' F 'G' | 'C' | 'G' F 'C' | 'G'
F -> 'A' F 'U' | 'U' F 'A' | 'C' F 'G' | 'G' F 'C' | L S
Nothing -> Nones
"""
正如評論中所討論的,您從兩個基本問題開始:
你寫的語法只能處理一個字符
你每次用一個字符調用你的解析器。
結果是每個字符的“解析”向量,分別。
修正語法后,如已編輯的問題所示,更改對parser.parse
的調用以提供要解析的整個序列會產生 2100 個可能的解析。
這是我所做的(您也可以這樣做,只需將以下代碼塊復制到您的 python 控制台中):
# import only what's needed
import nltk
# The grammar
grammar = """
S -> L S | L
L -> 'A' F 'U' | 'A' | 'U' F 'A' | 'U' | 'C' F 'G' | 'C' | 'G' F 'C' | 'G'
F -> 'A' F 'U' | 'U' F 'A' | 'C' F 'G' | 'G' F 'C' | L S
"""
# Make a chartparser
parser = nltk.ChartParser(nltk.CFG.fromstring(grammar))
# The test sentence
sent = ['C', 'C', 'C', 'C', 'A', 'A', 'A',
'U', 'A', 'C', 'A', 'G', 'A', 'A',
'G', 'C', 'G', 'G', 'G', 'C', 'U',
'U', 'A'
]
# Get all of the parses
parses = list(parser.parse(sent))
# There are a lot of them. len(parses) is 2100.
# Print one of them to the console
parses[0].pprint()
打印:
(S
(L C)
(S
(L C)
(S
(L C)
(S
(L C)
(S
(L A)
(S
(L A)
(S
(L A)
(S
(L
U
(F
(L A)
(S
(L C)
(S
(L A)
(S
(L G)
(S
(L
A
(F
A
(F G (F C (F (L G) (S (L G))) G) C)
U)
U))))))
A)))))))))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.