Problème de programmation en Python

Bonjour,

J'ai un projet à faire en python, et je suis bloquée à 2 endroits dans mon code.

1ère partie :

Je dois, grâce à des expressions régulières, rechercher dans un fichier cette sequence :

Code:

---

1 2 3 4 5 6

1 agaattcgtc ttgctctatt cacccttact tttcttcttg cccgttctct ttcttagtat 61 gaatccagta tgcctgcctg taattgttgc gccctacctc ttttggctgg cggctattgc 121 cgcctcgtgt ttcacggcct cagttagtac cgttgtgacc gccaccggct tggccctctc 181 acttctactc ttggcagcag tggccagctc atatgccgct gcacaaagga aactgctgac 241 accggtgaca gtgcttactg cggttgtcac ttgtgagtac acacgcacca tttacaatgc 301 atgatgttcg tga

---

Puis, une fois cette partie du fichier extraite, je ne dois récupérer que les bases que je veux mettre dans une liste pour avoir une liste telle que :

Code:

---

liste1=['a','g','a','a','t','t','c','g','t','c','t','t','g',....]

---

Voici mon code :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14

liste_seq=[] seqADN=[] for i in fichier: #affiche toute la sequence seq=re.search("^\s+[0-9]+\s([acgt\s]+)",i) if seq: #recuperer toutes les bases de la sequence liste_seq += seq.group(1) #et les stocker dans une liste seqADN=list(liste_seq) #supprimer les espaces et les retour à la ligne seqADN=seqADN.replace(" ","") seqADN=seqADN.replace("\n","") print seqADN

---

J'obtiens donc une liste de la forme :

Code:

---

['a', 't', 'a', 'g', 'a', 'a', 't', 't', 'c', 'g', 't', 'c', 't', 't', 'g', 'c', 't', 'c', 't', 'a', 't', 't', 'c', 'a', 'c', 'c', 'c', 't', 't', 'a', 'c', 't', 't', 't', 't', 'c', 't', 't', 'c', 't', 't', 'g', 'c', 'c', 'c', 'g', 't', 't', 'c', 't', 'c', 't', 't', 't', 'c', 't', 't', 'a', 'g', 't', 'a', 't', 'g']

---

comme dans liste1.

2ème partie :
En parralèle, j'ai extrait de ce meme fichier, des numéros de début et de fin de gène, comme ceci :

Code:

---

1 2 3 4 5 6 7 8

liste2=[] for j in fichier: #affiche tous les genes gene=re.search("^[ \t] +gene +([0-9]+)\..([0-9]+)",j) if gene : #faire une liste de listes avec le debut et la fin de chaque gene liste2.append([gene.group(1),gene.group(2)]) print liste2

---

La liste obtenue réussie, est de la forme :

Code:

---

liste2 = [['58','272'],['59','304'],['360','458'],['503','805'],...]

---

Le problème est :

Je dois alors extraire, dans la liste contenant la séquence entière (seqADN ou liste1), les bases (la séquence) correspondantes à chacun des début et fin de gène ci-dessus (liste2).
C'est-à-dire obtenir un dictionnaire de la forme :
pour le gène 1 :
['58','272'] = {'a','a','t','t','c','g','g','t','t','c','a','a',...}

Voici mon code :

Code:

---

1 2 3 4

for i in seqADN: for j in liste2: dico[j]=seqADN[i] print seqADN[i]

---

Cependant, ça ne marche pas.
Quelqu'un pourrait-il m'éclaircir ? :?

Salut,

Y a de quoi s'amuser là....
Mais j'ai du mal à rentrer dans le problème.

Citation:

---

Je dois, grâce à des expressions régulières, rechercher dans un fichier cette sequence :

---

- Es-tu OBLIGÉE de recourir à des expressions régulières (un énoncé, ou un directeur de thèse qui demande ça...)

- Veux-tu signifier que tu recherche toute séquence similaire, dont la séquence que tu donnes n'est qu'un exemple,
ou recherches-tu vraiment CETTE séquence précisément ?

- Est-ce que l'environnement de cette séquence est aussi des suites de bases d'ADN , ou bien est-ce du "texte" ?

- Chaque ligne est-elle TOUJOURS structurée sur le même schéma:
un nombre entier positif (quelle valeur max ?) suivi de 6 groupes de 10 bases, avec un blanc comme séparateur ?


Il doit être possible de se débrouiller sans recourir à ce point aux regex. Tes codes me paraissent extrèmement compliqués. Mais c'est peut être moi qui n'ai pas le niveau.
J'essaie de commencer par bien cerner les bases du problème.

Tout d'abord, j'ai modifié le premier message, car j'ai réussi les 2 premières listes :), il ne reste "plus que" la dernière question, qui là me pose vraiment problème, avec l'association des 2listes précédemment obtenues.

Alors :

Citation:

---

Envoyé par eyquem

- Es-tu OBLIGÉE de recourir à des expressions régulières (un énoncé, ou un directeur de thèse qui demande ça...)

---

oui, le professeur l'exige.

Citation:

---

Envoyé par eyquem

- Veux-tu signifier que tu recherche toute séquence similaire, dont la séquence que tu donnes n'est qu'un exemple,
ou recherches-tu vraiment CETTE séquence précisément ?

---

La séquence que je donne est le début de la vraie séquence que j'ai à chercher, cependant il y a qqminutes, j'ai réussi à la trouver :D.

Citation:

---

Envoyé par eyquem

- Est-ce que l'environnement de cette séquence est aussi des suites de bases d'ADN , ou bien est-ce du "texte" ?

---

Il y avait également du texte avant la séquence.

Citation:

---

Envoyé par eyquem

- Chaque ligne est-elle TOUJOURS structurée sur le même schéma:
un nombre entier positif (quelle valeur max ?) suivi de 6 groupes de 10 bases, avec un blanc comme séparateur ?

---

Non. Les lignes commencent toutes par un chiffre oui (valeux max : 172261), suivi de 6groupes de 10bases sauf pour la dernière ligne : de 2 groupes de 10bases + 1groupe d'1base, avec entre chaque groupe, un espace.

Citation:

---

Envoyé par eyquem

Il doit être possible de se débrouiller sans recourir à ce point aux regex. Tes codes me paraissent extrèmement compliqués. Mais c'est peut être moi qui n'ai pas le niveau.
J'essaie de commencer par bien cerner les bases du problème.

---

C'est fort possible, j'ai toujours tendance à me compliquer un peu la tâche :?

C'est mieux d'utiliser des regex, tu as raison, ou ton prof... Ce serait extrêmement compliqué de faire sans. Par contre, avec les regex, je cherche touours à les faire simples, sans utiliser à fond la puissance de leur subtilité. Je mixe avec l'utilisation des méthodes de strings.
C'est pour ça que je ne comprends pas ta regex
" ^[ \t] +([0-9]+) +(([a-z]* +)+) "
pour moi c'est trop compliqué.
Il me semble quand même incohérent d'écrire un ensemble [a-z] alors que les lignes recherchées n'ont que les lettres agct.


Voilà comment j'ai réussi à faire:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

import re   bla = "[0-9]{1,9}( [agct]{10}){0,6}( [agct]{1,10})?" sekance = '' f = open('adn','r') for i in f: if re.match(bla,i.lstrip()): sekance = sekance + i[:-1].lstrip().partition(' ')[2].replace(' ','') f.close()   print 'sekance =',sekance liste1 = list(sekance) print '\nliste1 =',liste1 print '\nlongueur de liste1 =',len(liste1)   print '\n----------------------------------------'     liste2 = [['58','72'],['279','304']] print '\n\nliste2 =',liste2 # La 58ieme base dans sekance est sekance[57]   dico1 = {} dico2 = {} for df in liste2: cle = df[0] + '-' + df[1] d = int(df[0])-1 f = int(df[1]) dico1[cle] = sekance[ d : f ] dico2[cle] = list( sekance[ d : f ] )   print '\ndico1 =',dico1 print '\ndico2 =',dico2

---

i[:-1] pour enlever le retour à la ligne

lstrip() pour enlever les blancs en début de ligne, ça colle à gauche les numéros dans les lignes recherchées, sans aucun blanc avant les chiffres.

partition(' ')[2] découpe la ligne en trois morceaux autour du premier blanc de la ligne et garde le troisième morceau: ce blanc est entre les chiffres et les premières lettres.

replace(' ','') enlève les blancs qui restent au milieu des lettres

Je n'ai pas réussi à utiliser les listes ['58','72'] et ['279','304'] comme clés de dictionnaire. C'est pour cela que les clés sont des strings '58-72' et '279-304'

Je préfère les séquences de bases sous forme de string 'aggcgtagatgac...' c'est pour cela qu'il y a 2 dicos.


Je ne comprends pas comment tu peux trouver des séquences avec la regex " ^[ \t] +gene +([0-9]+)\..([0-9]+) " , ce n'est pas les caractères 'gene' qui sont recherchés dans une séquence......


Le code suivant est obscur pour moi:

Code:

---

1 2 3 4

for i in seqADN: for j in liste2: dico[j]=seqADN[i] print seqADN[i]

---

for i in seqADN: chaque i est une base(caractere) de la liste seqADN
On ne peut donc pas écrire seqADN[i]
D'autre part, il doit manquer un append () dans l'histoire. Bref....

Citation:

---

Envoyé par Victoria007

Voici mon code :

Code:

---

1 2 3 4

for i in seqADN: for j in liste2: dico[j]=seqADN[i] print seqADN[i]

---

Cependant, ça ne marche pas.
Quelqu'un pourrait-il m'éclaircir ? :?

---

Je crois que si cela ne fonctionne pas c'est parce que tu utilises une liste en tant que clé, or, ce n'est pas correct. Les clés ne peuvent être que des string ou des nombres... une solution serait donc de convertir j en string suivant une syntaxe précise qui permettrai par la suite de ré-encoder les clés de ce dictionnaire en liste... ex:

Code:

---

1 2 3 4

for i in seqADN: for j in liste2: dico['-'.join(j)]=seqADN[i] print seqADN[i]

---

les clés du dico ressembleront à cela : '58-272'. lorsque l'on voudra utiliser les données de la ou des clé(s) elle(s)-même, il suffira de faire:

Code:

---

1 2 3 4 5 6 7

#exemple pour reconstituer liste2 liste2=[] for key in dico: liste2.append(key.split('-'))   #la même chose de façon plus concise liste2=[key.split('-') for key in dico]

---