0votos

calculo estadistico python en Haskell

por josejuan hace 4 años

No hace falta el segundo archivo porque los nombres de los aminoácidos son conocidos (de hecho, se puede generar el segundo archivo con el primero). Por lo demás, tan sólo se trata de agrupar de 3 en 3, contar y mostrar porcentajes. Por cierto, faltan (al menos) dos bases en el ARN indicado (o sobra una).

Calcular sesgo de codones de adn con python. Para cada aminoácido dar el porcentaje de utilización de cada codón en la codificación y cuántas veces aparece

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
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
{-# LANGUAGE NoMonomorphismRestriction #-} 
import Data.List 
import Control.Arrow 
import Control.Monad 
 
 
-- Calcula para cada aminoácido, las veces que aparecen sus codones asociados: 
calcular arn = [(aminoacido, g) | (aminoacido, aminoCodones) <- aminoacidos 
                                , let g = filter (flip elem aminoCodones.fst) $ groupCount $ split3 arn 
                                , not $ null g 
 
-- Muestra un resultado de `calcular`: 
mostrar arn = 
  forM_ (sort $ calcular arn) $ \(a, g) -> do 
    putStrLn $ "Aminoácido: " ++ a 
    let s = sum $ map snd g 
    forM_ (sort g) $ \(c, n) -> do 
      putStrLn $ "    " ++ c ++ ", " ++ show n ++ " veces (el " ++ (show $ (100.0 * fromIntegral n) / fromIntegral s) ++ " %)" 
     
 
-- Los aminoácidos según las diferentes formas de ser representado por codones: 
-- http://es.wikipedia.org/wiki/C%C3%B3digo_gen%C3%A9tico 
aminoacidos = [ ("A", ["GCU", "GCC", "GCA", "GCG"]) 
              , ("K", ["AAA", "AAG"]) 
              , ("R", ["CGU", "CGC", "CGA", "CGG", "AGA", "AGG"]) 
              , ("M", ["AUG"]) 
              , ("N", ["AAU", "AAC"]) 
              , ("F", ["UUU", "UUC"]) 
              , ("D", ["GAU", "GAC"]) 
              , ("P", ["CCU", "CCC", "CCA", "CCG"]) 
              , ("C", ["UGU", "UGC"]) 
              , ("U", ["UGA"]) 
              , ("Q", ["CAA", "CAG"]) 
              , ("S", ["UCU", "UCC", "UCA", "UCG", "AGU", "AGC"]) 
              , ("E", ["GAA", "GAG"]) 
              , ("T", ["ACU", "ACC", "ACA", "ACG"]) 
              , ("G", ["GGU", "GGC", "GGA", "GGG"]) 
              , ("W", ["UGG"]) 
              , ("H", ["CAU", "CAC"]) 
              , ("Y", ["UAU", "UAC"]) 
              , ("I", ["AUU", "AUC", "AUA"]) 
              , ("V", ["GUU", "GUC", "GUA", "GUG"]) 
              , ("L", ["UUA", "UUG", "CUU", "CUC", "CUA", "CUG"]) 
 
-- Agrupa y cuenta los elementos: 
groupCount = map (head &&& length) . group . sort 
 
-- Agrupa de 3 en 3: 
split3 (a:b:c:xs) = [a,b,c] : split3 xs 
split3 [] = [] 
split3 xs = [xs] 
 
 
{- Por ejemplo: -} 
 
arnSeq = "AUGAUGCAGGAAUCUGCGACAGAGACAAUAAGCAACAGUUCAAUGAAUCAAAAUGGAAUGAGCACUCUAAGCAGCCAAUUAGAUGCUGGCAGCAGAGAUGGAAGAUCAAGUGGUGACACCAGCUCUGAAGUAAGCACAGUAGAACUGCUGCAUCUGCAACAACAGCAGCAGCAGCAGCAGCAGCAGCAGCAACAGCAAUUGGCAGCCCAGCAGCUUGUCUUCCAGCAGCAGCUUCUCCAGAUGCAACAACUCCAGCAGCAGCAGCAUCUGCUCAGCCUUCAGCGUCAGGGACUCAUCUCCAUUCCACCUGGCCAGGCAGCACUUCCUGUCCAAUCGCUGCCUCAAGCUGGCUUAAGUCCUGCUGAGAUUCAGCAGUUAUGGAAAGAAGUGACUGGAGUUCACAGUAUGGAAGACAAUGGCAUUAAACAUGGAGGGCUAGACCUCACUACUAACAAUUCCUCCUCGACUACCUCCUCCAACACUUCCAAAGCAUCACCACCAAUAACUCAU" 
 
{- 
 
*Main> mostrar arnSeq 
Aminoácido: A 
    GCA, 4 veces (el 44.44444444444444 %) 
    GCC, 1 veces (el 11.11111111111111 %) 
    GCG, 1 veces (el 11.11111111111111 %) 
    GCU, 3 veces (el 33.333333333333336 %) 
Aminoácido: D 
    GAC, 3 veces (el 60.0 %) 
    GAU, 2 veces (el 40.0 %) 
Aminoácido: E 
    GAA, 5 veces (el 71.42857142857143 %) 
    GAG, 2 veces (el 28.571428571428573 %) 
Aminoácido: F 
    UUC, 1 veces (el 100.0 %) 
Aminoácido: G 
    GGA, 5 veces (el 45.45454545454545 %) 
    GGC, 4 veces (el 36.36363636363637 %) 
    GGG, 1 veces (el 9.090909090909092 %) 
    GGU, 1 veces (el 9.090909090909092 %) 
Aminoácido: H 
    CAC, 1 veces (el 20.0 %) 
    CAU, 4 veces (el 80.0 %) 
Aminoácido: I 
    AUA, 2 veces (el 33.333333333333336 %) 
    AUC, 1 veces (el 16.666666666666668 %) 
    AUU, 3 veces (el 50.0 %) 
Aminoácido: K 
    AAA, 3 veces (el 100.0 %) 
Aminoácido: L 
    CUA, 2 veces (el 10.0 %) 
    CUC, 5 veces (el 25.0 %) 
    CUG, 5 veces (el 25.0 %) 
    CUU, 4 veces (el 20.0 %) 
    UUA, 3 veces (el 15.0 %) 
    UUG, 1 veces (el 5.0 %) 
Aminoácido: M 
    AUG, 6 veces (el 100.0 %) 
Aminoácido: N 
    AAC, 3 veces (el 42.857142857142854 %) 
    AAU, 4 veces (el 57.142857142857146 %) 
Aminoácido: P 
    CCA, 3 veces (el 42.857142857142854 %) 
    CCU, 4 veces (el 57.142857142857146 %) 
Aminoácido: Q 
    CAA, 10 veces (el 27.77777777777778 %) 
    CAG, 26 veces (el 72.22222222222223 %) 
Aminoácido: R 
    AGA, 2 veces (el 66.66666666666667 %) 
    CGU, 1 veces (el 33.333333333333336 %) 
Aminoácido: S 
    AGC, 8 veces (el 32.0 %) 
    AGU, 4 veces (el 16.0 %) 
    UCA, 3 veces (el 12.0 %) 
    UCC, 6 veces (el 24.0 %) 
    UCG, 2 veces (el 8.0 %) 
    UCU, 2 veces (el 8.0 %) 
Aminoácido: T 
    ACA, 3 veces (el 25.0 %) 
    ACC, 2 veces (el 16.666666666666668 %) 
    ACU, 7 veces (el 58.333333333333336 %) 
Aminoácido: V 
    GUA, 2 veces (el 33.333333333333336 %) 
    GUC, 2 veces (el 33.333333333333336 %) 
    GUG, 1 veces (el 16.666666666666668 %) 
    GUU, 1 veces (el 16.666666666666668 %) 
Aminoácido: W 
    UGG, 1 veces (el 100.0 %) 
 
-} 

Comenta la solución

Tienes que identificarte para poder publicar tu comentario.