Генерирование синтетической последовательности ДНК с частотой замещения

Question

Учитывая эти входные данные:

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

Я хочу сгенерировать:

1. Тысяча длин-10 меток

2. Коэффициент замещения для каждой позиции в теге составляет 0,003

Выходная мощность, например:

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

Есть ли компактный способ сделать это в Perl?

Я застрял с логикой этого скрипта в качестве ядра:

#!/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

В качестве небольшой оптимизации замените:

    $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;};

с

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

Answer 2

РЕДАКТИРОВАТЬ: Предполагая, что коэффициент замещения находится в диапазоне от 0,001 до 1000:

Как и $roll, сгенерируйте другое (псевдо) случайное число в диапазоне [1..1000], если оно меньше или равно (1000 * $ sub_rate), затем выполните подстановку, в противном случае ничего не делайте ( т.е. вывод 'A').

Имейте в виду, что вы можете внести незначительное смещение, если не известны свойства вашего генератора случайных чисел.

Answer 3

Не совсем то, что вы ищете, но я предлагаю вам взглянуть на модуль Bio :: SeqEvolution :: DNAPoint компании BioPerl. Это не берет уровень мутации как параметр все же. Скорее, он спрашивает, какую нижнюю границу идентичности последовательности вы хотите получить от оригинала.

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 }

Все 1000 мутированных последовательностей будут сохранены в массиве @mutated, к их последовательностям можно получить доступ методом seq.

Answer 4

Не знаю, правильно ли я понимаю, но я бы сделал что-то вроде этого (псевдокод):

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

Answer 5

В случае замены вы хотите исключить текущую базу из возможностей:

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

Также см. ответ Митча Уайта о том, как реализовать коэффициент замещения.