标准化¶
统一 DNA 序列的大小写、空白、U/T 和非法字符处理方式，从而得到标准化序列。
1) 字符标准化¶
- 作用： 把原始文本整理成统一的 DNA 序列格式，按设置处理大小写、空白、
U、模糊字符和非法字符，并记录具体修改，供后续计算使用一致输入。 - 计算方法： 按配置清理空白、统一大小写，并逐字符保留或删除 U、模糊碱基和其他符号；同时记录修改。
- API：
dnakit.normalize(raw[必须], keep_ambiguous[可选], keep_u[可选], keep_other[可选], config[可选])；config使用dnakit.NormalizationConfig。 - 输入： 必填原始字符串、UTF-8
bytes、DNASequence，或由字符串和Gap组成的可迭代对象。 默认keep_ambiguous=True、keep_u=False、keep_other=False。 - 输出： 返回
NormalizationResult，示例展示sequence、changes。 - 示例代码：
from dnakit import normalize
result = normalize(
" acn-uX\n",
keep_ambiguous=True,
keep_u=False,
keep_other=False,
)
print(result.sequence.symbols)
print(result.sequence.alphabet.value)
print(
[
change.operation
for change in result.changes
if change.operation.startswith("delete_")
]
)
- 示例结果：