Generando secuencia de ADN sintético con tasa de sustitución

Question

Dadas estas entradas:

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

Quiero generar:

1. Mil etiquetas de longitud 10

2. La tasa de sustitución para cada posición en una etiqueta es 0.003

Rendimiento de salida como:

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

¿Hay una forma compacta de hacerlo en Perl?

Estoy atascado con la lógica de este script como núcleo:

#!/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

Como pequeña optimización, reemplaza:

    $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;};

con

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

Answer 2

EDITAR: asumiendo que la tasa de sustitución está en el rango de 0.001 a 1.000:

Además de $ roll , genere otro (pseudo) número aleatorio en el rango [1..1000], si es menor o igual que (1000 * $ sub_rate) luego realice la sustitución, de lo contrario no hacer nada (es decir, salida 'A').

Tenga en cuenta que puede introducir un sesgo sutil a menos que se conozcan las propiedades de su generador de números aleatorios.

Answer 3

No es exactamente lo que está buscando, pero le sugiero que eche un vistazo a módulo Bio :: SeqEvolution :: DNAPoint . Sin embargo, no toma la tasa de mutación como parámetro. Más bien, pregunta cuál es el límite inferior de la identidad de secuencia con el original que desea.

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 }

Todas las 1000 secuencias mutadas se almacenarán en la matriz @mutada, se puede acceder a sus secuencias a través del método seq .

Answer 4

En el caso de una sustitución, desea excluir la base actual de las posibilidades:

my @other_bases = grep { 
 En el caso de una sustitución, desea  excluir la base actual  de las posibilidades: 

<*>

 También consulte  Respuesta de Mitch Wheat  para cómo implementar la tasa de sustitución. 
 ne substr($init_seq, $i, 1) } @dna;
$base = @other_bases[int(rand 3)];

También consulte Respuesta de Mitch Wheat para cómo implementar la tasa de sustitución.

Answer 5

No sé si lo comprendo correctamente, pero haría algo como esto (pseudocódigo):

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