关于 Python 函数以及如何用不同索引替换多个字符的建议

问：

我最近回到了 Python，我需要一些帮助来解决这个问题：

我有等长的DNA序列，其中一些里面有N（错误）。我需要一个脚本，将一个序列中的 N 替换为其他序列中的可用核苷酸。因此，只有当所有用作输入的序列在一个位置上都有一个 N，输出才会有一个 N。 此外，如果一个序列具有 N，但其他两个序列具有 A 和 T，则应该有两个输出：一个带有一个选项，另一个带有另一个选项。

但这并不意味着我需要所有可能的组合（那会更容易）。脚本应该“坚持”一个序列中的一组选项，而不是将所有可能性都作为输出。

以下是一些输入和预期输出作为示例：

1. [“ATC”， “CGN”， “NNN”] 应返回 [ATC， CGC]

2. [“ACG”， “TGT”， “CAG”] 应返回 [“ACG”， “TGT”， “CAG”]

3. [“ATN”， “GCN”， “GGN”] 应返回 [“ATN”， “GCN”， “GGN”]

到目前为止，上面的所有示例都适用于我的代码。

但是我在使这些示例工作时遇到了一些问题：

1. [“ACN”， “TGT”， “NNG”] 应返回 ['ACT'， 'TGG'， 'ACG'， 'TGT']

2. [“NTA”， “GNC”， “CGN”] 应返回 [“GTA”， “CTA”， “GGC”， “GTC”， “CGA”]

3. [“NNA”， “CNN”， “NGN”] 应返回 ['NNA'， 'CNN'， 'NGN']

4. [“ACN”， “TNT”， “NNG”] 应返回 [ACT'， 'ACG'， 'TCT'， 'ACG']。TCG 不应该是一个有效的选项，因为“混合”了来自两个不同序列的信息：“ACT”和“TNT”

最后 3 个序列是我的输入中最常见的。 这是我到目前为止的代码，它非常简单：

import numpy as np


def procesar_secuencias(secuencias):
    output = []
    secuencias_con_n = [s for s in secuencias if 'N' in s] # check if there are N's

    if len(secuencias_con_n) == 0: # If there are no N's, simply return the sequences as is 
        return secuencias


    a = [] # positions and nt 
    b = []

    for i in range(len(secuencias)): # for all sequences

        for j,k in  enumerate(secuencias[i]): # j is position, k is nt

          if k != 'N': # if it not an N, save the information
            a.append(k)
            b.append(j)

    for s in secuencias: # for all sequences, ie [ATC, CGN, NNN]
        if 'N' in s: # only if s has N's inside
            posiciones_n = [i for i, c in enumerate(s) if c == 'N']  # save the position of the N

            if len(posiciones_n) == len(s): # if there are only N's, go to the next sequence

              break

            else:
              new_seqs = []
              for h in b: # for every "valid" option
                for u in posiciones_n: # for all positions that store an N
                    if h == u: # when there is an available option to change an N for a "valid" nt

                        new_seq = s.replace(s[h], a[u]) # replace said position for a new nt

                        new_seqs.append(new_seq)

            output.extend(new_seqs)

        else:
            # If there are no N's, append directly to the output. 
            output.append(s)


    return np.unique(output)

我相信主要问题在于两个 for 循环中的逻辑，以及我如何使用 replace。

此示例的当前输出如下： 。如果我没记错的话，它是将“N”的每个实例替换为可用列表“b”的第一个实例。这就是为什么有两个 A 和两个 C'，而不是一个带有“AC”的序列和另一个带有“TG”的序列。["ACN", "TGT", "NNG"]['AAG' 'ACT' 'CCG' 'TGT']

我真的不确定如何解决它，任何帮助都是值得赞赏的！如果需要更多信息，请告诉我。

提前致谢，