概要
注意 本記事は 「ゲノコン2021 ー DNA配列解析チャレンジ」 に参加されている方を想定読者としています。
この練習問題Cのビジュアライザを作りました。
また、壊れているかも知れません。使用は自己責任でお願いします。
windows環境で、かつpythonの実行環境をお持ちの方を主に想定しています。多分macでも動くと思いますが。
使用方法
下のコードをcopy and pasteした上で、vis.pyとして保存し、
コマンドラインなどでpython vis.py out.txt PRIMARYなどとして実行してください。
(windows powershellなどを使用している場合はpy vis.py out.txt PRIMARYなど)
最後の引数(PRIMARY)は他にSOFTとBWがあります。(記事末尾参照)
out.txtは一行目に行数、二行目以降に出力を書いてください。
例
out.txt
10
GGAGGTTA-TTGCT--GTGGAG-GTAC-TGGAGA-AGGA-GGA-TGCTAGCG-TT-GGGT-AAACCAC-G-AGC-ATTTTGACTT-G-T-ACT--TC-GCCTC----
--GGGTTA-TTGCT--GTTGTGAGTAC-TGGAGACAGGAGGGAGTGTTAGAG-TTGGGGT-AAACCACAGTAGCTCATGTCACTTGGATAACTCGTCAGCCTC----
---GGTCACTCGCT--GTGGAGAGTACTTTGAGACAGGAGGGAGTGCTAGAGTTTGGGGTAAAACCACAGCAGCTCATG-CACTTGGATATCT-GTGAG-C-C----
-GAGGTTA-GTGCT--GTGGAGAGTAC-TGGAGACAGGAGGGAGTGCTAGAG-TTGGGGT-AAAGCACAGCA-CCATTCACTGATAAATGTCAGGCCTAGGGG----
--GAGGTA-TTGCT--GTGGAGGGTAC-TGGAGACAGGA-GGAGTGCTAGAGGTTGGGGTAAAACCACAGCAGCTCAT-TTACTT-GAT-ACT-GTCAGGCTC-AGG
-GAGGTTATTTGCT--GTGGAGAGTTACT-GAGACA--TGGG-GTGCCA-AG-TT-GGGT--AGCTACAGCAGCTCATTTCACTT-GAT-ACT-G-CAGGCTCTCAG
--GAGTTAATTTC---GTGGAGAGTACTAGAGCACAGGAGGGAG-GCCAGA--TTGGGGT-ATACCACAGCAGCTCGT-TCACTT---TAACT-GTCAGGC-CCTCA
ACAGTTTAATTGATGGGCGGAGAGTAC-TGGAGACAGGAGGGAGTGCTAGAG--TGGGGT-AAACCACAGCAGCATCTTTCA-TT--ATAACT-GTCAG--------
CAAGGTT-TTTTCGCTGTGGAGAGTAC-TGGAGAC-CG-GGGAGTG-TAGACTTTGGGGT---ATCAC-GTAG--CAGCTTATTTCG--ACTTTGT-A--CT-GTAA
--GAGTTA-TTTCT--GTGGAGAGAAC-TGGAGAC-GGAGGGAGTGCTAGAG-TTGGGGT-AAACACCAGGCAGCCATTTCACTT-GATAACT-GTCAGGC-C--TT
コード
vis.py
import os
import sys
import math
from collections import Counter
from matplotlib import gridspec
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
A, C, G, T = 0, 1, 2, 3
NAN = 4
INF = 10**9+7
ACGT = "ACGT"
def parse_for_input(x):
# 便宜の為数字に変換
if x == "A":
return A
elif x == "C":
return C
elif x == "G":
return G
elif x == "T":
return T
elif x == "-":
return NAN
else:
assert False, f"inputted character\"{x}\" is not valid."
def parse_for_output(ans: list) -> tuple:
# 便宜のため数字に変換したのを元に戻す
return "".join([ACGT[x] if x != NAN else "-" for x in ans])
def calc_score(N, M, output_Ss):
# スコア計算 C_allは問題文のものと同一 S_allは結局何が一番多かったか(つまり、復元された配列)
S_all = []
C_all = 0
for j in range(N):
char, cnt = Counter([output_Ss[i][j]
for i in range(M)]).most_common()[0]
S_all.append(char)
C_all += M-cnt
if 0 <= M <= 10:
score = max(0, 200-math.floor(C_all*0.2))
elif 35 <= M <= 40:
score = max(0, 700-math.floor(C_all*0.1))
else:
raise AssertionError(f"M:{M}")
return score, S_all
def main(path, color_mode=None):
with open(path) as f:
M = int(f.readline())
output_Ss = [list(map(parse_for_input, f.readline()[:-1]))
for _ in range(M)]
N = len(output_Ss[0])
assert all([N == len(output_Ss[i]) for i in range(M)]),\
"The Ss does not have the same length"
if color_mode == "PRIMARY" or color_mode is None:
colors = ['red', 'blue', 'green', 'orange', 'white']
elif color_mode == "SOFT":
colors = ['#ff7f7f', '#7f7fff', '#7fff7f', '#ffff7f', '#ffffff']
else:
colors = ['#101010', '#404040', '#808080', '#c0c0c0', '#ffffff']
cmap = ListedColormap(colors, name="custom")
score, S_all = calc_score(N, M, output_Ss)
xticks = [0.5+i for i in range(0, N, 10)]
xticklabels = list(map(str, range(1, N+1, 10)))
yticks = [M-(0.5+i) for i in range(M)]
yticklabels = list(map(str, range(1, M+1)))
z = output_Ss
z.reverse()
fig = plt.figure()
spec = gridspec.GridSpec(ncols=2, nrows=2,
width_ratios=[9, 1],
height_ratios=[M, 1])
# メイン部分
ax1 = fig.add_subplot(spec[0, 0],
title=f"Score:{score}",
xticks=xticks,
xticklabels=xticklabels,
yticks=yticks,
yticklabels=yticklabels)
ax1.pcolormesh(z, cmap=cmap)
# S_all部分
ax2 = fig.add_subplot(spec[1, 0],
sharex=ax1,
yticks=[0.5],
yticklabels=["all"])
ax2.pcolormesh([S_all], cmap=cmap)
# 凡例部分
ax3 = fig.add_subplot(spec[:, 1],
xticks=[],
yticks=[])
ax3.pcolormesh([[NAN], [T], [G], [C], [A]], cmap=cmap)
ax3.text(0.5, 4.5, "A", ha='center', va='center')
ax3.text(0.5, 3.5, "C", ha='center', va='center')
ax3.text(0.5, 2.5, "G", ha='center', va='center')
ax3.text(0.5, 1.5, "T", ha='center', va='center')
ax3.text(0.5, 0.5, "NAN", ha='center', va='center')
plt.show()
if __name__ == '__main__':
args = sys.argv
if not os.path.exists(args[1]):
raise AssertionError("指定されたパスが存在しないようです。 "
+ "python vis.py \"out.txt\"などとしてみて下さい。")
if len(args) == 2:
main(args[1])
elif len(args) == 3:
if args[2] not in ["PRIMARY", "SOFT", "BW"]:
raise AssertionError(f"{args[1]};色の指定方法が正しくありません。 "
+ "\"PRIMARY\",\"SOFT\",\"BW\"からお選びください。")
main(args[1], args[2])
else:
sys.stderr.write(args, "\n")
sys.stderr.write(
"実行方法が異なります python vis.py out.txt PRIMARY などとしてみて下さい。")
使用例
いずれも問題文にある出力例です。
PRIMARY
SOFT
BW
余談
意外と「こうすれば線が揃うのに！」みたいなのが分かりやすい気がしませんか？
私はします。お役に立てば幸いです。