def brute_force_motif_search(dna, t, n, l):
"""Funkcja zwracająca najczęstszy motyw po przeszukaniu wszystkich możliwości
DNA - tabelka sekwencji nukleotydowych
t - ilosc sekwencji w dna
n - ilosc nukleotydow w sekwencji
l - dlugosc meru"""
# Danej implementacji algorytmu użyłam, gdyż jest zgodna z założeniami:
# a)iteruje po wszystkich możliwościach
# b)przyrównuje wynik Score do bestScore
# c)zwraca bestMotif jako liste indeksów o najwyższym Score
#biblioteka itertools byla wspomniana na laboratoriach
#podaję to rozwiązanie jako alternatywę dla mój_brute.py
bestMotif = []
for j in range(0, t):
bestMotif.append(0)
bestScore = 0
lista = []
for i in range(
0, n - l +
1): #stworzenie listy elementów na których funkcja będzie iterować
lista.append(i)
kombinacje = list(
product(lista, repeat=t)
) #funkcja tworzy liste wszystkich kombinacji podanych elementow
for komb in kombinacje: #Iterujemy po wszystkich mozliwościach
if (Score(komb, dna, l) >
bestScore): #Porównujemy wyniki Score do bestScore
bestScore = Score(komb, dna, l)
bestMotif = komb
return bestMotif
def greedy_motif_search(DNA, k, t):
""""Funkcja zwracająca motyw otrzymany poprzez zastosowanie alorytmu zachlannego
DNA - tabelka sekwencji nukleotydowych
k - dlugosc meru
t - ilosc sekwencji w dna"""
bestMotifs = []
for x in range(0, t): #Dla każdej sekwencji w dna
bestMotifs.append(0) #nadaj indeks 0
for n in range(0, (len(DNA[0])-k)): #Od 0 do długości sekwencji w dna pomniejszonej o długość meru
Motif = [n] #Indeks meru w pierwszej sekwecji
for i in range(1, t): #Pętla od 1 do ilosci sekwencji
macierz = profil(Motif, DNA, k) #wykorzystanie funkcji profil zwracajacej macierz wystapien nukleotydow dla merow
Motif.append(podobienstwo(macierz, DNA, i, k)) #Dodajemy kolejne indeksy korzystajac z funkcji zwracajacej indeks najbardziej podobnego meru
if(Score(Motif, DNA, k)>Score(bestMotifs, DNA, k)): #Jesli Score od motywu wiekszy niz Score od BestMotywu
bestMotifs = Motif #BestMotyw mprzyjmuje wartosc motywu
return bestMotifs
def randomized_motif_search(DNA, k, t):
"""Funkcja zwracająca motyw otrzymany poprzez zastosowanie alorytmu losowego
k - dlugosc meru
DNA - tabelka sekwencji nukleotydowych
t - ilosc sekwencji w dna """
Motifs = []
for x in range(0, t): #Petla iterujaca po ilosci sekwencji w dna
Motifs.append(rand.randint(0, len(DNA[0])) - k) #Nadawanie losowych wartosci indeksow
bestMotifs = Motifs #Ktore nadajemy rownież zmiennej bestMotifs
while 1: #Nieskonczona pętla
macierz = profil(Motifs, DNA, k) #Zwracanie profilu ze zmiennej Motifs
for x in range(0, len(Motifs)): #Petla od zera do ilosci elementow zmiennej Motifs
Motifs[x] = podobienstwo(macierz, DNA, x, k) #Przyjmowanie jako indeksow wyniku dzialania funkcji
if (Score(Motifs, DNA, k) > Score(bestMotifs, DNA, k)): #Jesli Score od Motifs wiekszy niz Score od BestMotifs
bestMotifs = Motifs #Motifs przyjmuje miano BestMotifs
else: #Jesli Score od aktualnych bestMotifs jest wiekszy
return bestMotifs #Zakoncz dzialanie nieskonczonej petli i zwroc bestMotifs
def m_brute_force_motif_search(DNA, t, n, l):
"""Funkcja zwracająca najczęstszy motyw po przeszukaniu wszystkich możliwości
DNA - tabelka sekwencji nukleotydowych
t - ilosc sekwencji w dna
n - ilosc nukleotydow w sekwencji
l - dlugosc meru"""
#Danej implementacji algorytmu użyłam, gdyż jest zgodna z założeniami:
# a)iteruje po wszystkich możliwościach
# b)przyrównuje wynik Score do bestScore
# c)zwraca bestMotif jako liste indeksów o najwyższym Score
#Zasada działania jest taka sama
bestMotif = []
for j in range(0, t):
bestMotif.append(0)
bestScore = 0 #początkowo bestScore o jak najmniejszej wartosci
s = []
for x in range(0, t): #pętla iterująca przez ilosc sekwencji w DNA
s.append(0) #zapełnianie s początkowymi indeksami ustalonymi na 0
for y in range(
0, (pow((n - l) + 1, t))
): #Pętla iterująca przez wszystkie mozliwości (usunełam wstawione poprzednio błędnie -1)
if (Score(s, DNA, l) >
bestScore): #Porownywanie wyniku Score do bestScore
for i in range(0, len(s)):
bestMotif[i] = s[i]
bestScore = Score(s, DNA, l)
if (
int(s[0]) % (n - l) == 0 and s[0] != 0
): #Jesli reszta z dzielenia pierwszego elementu s(zmieniającego się najczęściej) przez długoścSekwencji/dlugoscMotywu równa 0, zakaz dzielenia prez zero
for z in range(1, t): #Pętla od 1 do ilosci sekwencji w dna
if s[z] == n - l: #Jeśli indeks danej sekwencji = długoścSekwencji - dlugoscMotywu
s[z] = 0 #indeks zerujemy
else: #Jeśli indeks jeszcze nie osiągnął maksymalnej wartości
s[z] += 1 #Zwiększ go o 1
break #i wyjdz z petli
s[0] = 0 #Wyzeruj pierwszy indeks
else: #Jesli indeks pierwszego elementu jeszcze nie osiągnął maksymalnej wartości
s[0] += 1 #Zwiększ go o jeden
return bestMotif
bestMotifs.append(0) #nadaj indeks 0
for n in range(0, (len(DNA[0])-k)): #Od 0 do długości sekwencji w dna pomniejszonej o długość meru
Motif = [n] #Indeks meru w pierwszej sekwecji
for i in range(1, t): #Pętla od 1 do ilosci sekwencji
macierz = profil(Motif, DNA, k) #wykorzystanie funkcji profil zwracajacej macierz wystapien nukleotydow dla merow
Motif.append(podobienstwo(macierz, DNA, i, k)) #Dodajemy kolejne indeksy korzystajac z funkcji zwracajacej indeks najbardziej podobnego meru
if(Score(Motif, DNA, k)>Score(bestMotifs, DNA, k)): #Jesli Score od motywu wiekszy niz Score od BestMotywu
bestMotifs = Motif #BestMotyw mprzyjmuje wartosc motywu
return bestMotifs
if __name__ == "__main__":
dna = ['acgtatcttc', 'tttatcggg', 'gactataaaa']
print("\nDziałanie greedy_motif_search dla dna: ", dna)
best = greedy_motif_search(dna, 3, len(dna))
print("Best Motif: ",best)
print("Score: ", Score(best, dna, 3))
dna = ['tagtggtcttttgagtgtagatctgaagggaaagtatttccaccagttcggggtcacccagcagggcagggtgacttaat',
'cgcgactcggcgctcacagttatcgcacgtttagaccaaaacggagttggatccgaaactggagtttaatcggagtcctt',
'gttacttgtgagcctggttagacccgaaatataattgttggctgcatagcggagctgacatacgagtaggggaaatgcgt',
'aacatcaggctttgattaaacaatttaagcacgtaaatccgaattgacctgatgacaatacggaacatgccggctccggg',
'accaccggataggctgcttattaggtccaaaaggtagtatcgtaataatggctcagccatgtcaatgtgcggcattccac',
'tagattcgaatcgatcgtgtttctccctctgtgggttaacgaggggtccgaccttgctcgcatgtgccgaacttgtaccc',
'gaaatggttcggtgcgatatcaggccgttctcttaacttggcggtgcagatccgaacgtctctggaggggtcgtgcgcta',
'atgtatactagacattctaacgctcgcttattggcggagaccatttgctccactacaagaggctactgtgtagatccgta',
'ttcttacacccttctttagatccaaacctgttggcgccatcttcttttcgagtccttgtacctccatttgctctgatgac',
'ctacctatgtaaaacaacatctactaacgtagtccggtctttcctgatctgccctaacctacaggtcgatccgaaattcg']
print("Działanie greedy_motif_search dla dna: ", dna)
best = greedy_motif_search(dna, 30, len(dna))
print("Best Motif: ", best)
print("Score: ", Score(best, dna, 30))