跳转至

序列优化

1) 按约束优化 DNA 序列

  • 作用： 修改 DNA 以满足指定规则，必要时保留蛋白翻译。
  • 计算方法： 先满足硬约束，再优化加权目标；示例通过同义密码子替换去除 GCT。
  • API： dnakit.bioinformatics.optimization.specification(kind, region=None, weight=1, **parameters); dnakit.bioinformatics.optimization.optimize_sequence(sequence, constraints=(), objectives=(), preserve_translation=False, seed=0)
  • 输入： A/C/G/T 序列和规则；固定长度；GC、模式、结构与密码子规则。
  • 输出： 返回 OptimizationResult，包含优化序列、约束是否满足及编辑记录。
  • 示例代码：
from dnakit.bioinformatics.optimization import optimize_sequence, specification

result = optimize_sequence(
    "GCTGCT", preserve_translation=True,
    constraints=[specification("avoid_pattern", pattern="GCT")], seed=0,
)
print(result.sequence, result.constraints_satisfied)
print(result.edits)
  • 示例结果：
GCAGCA True
((2, 'T', 'A'), (5, 'T', 'A'))

依赖与实现说明。

2) 自定义序列约束与目标

  • 作用： 把自己的评价逻辑加入优化流程。
  • 计算方法： 函数返回 SpecEvaluation；约束最小化非负 violation，目标最大化 utility。
  • API： dnakit.bioinformatics.optimization.Specification(name, evaluator, weight=1); dnakit.bioinformatics.optimization.SpecEvaluation(violation=0, utility=0, locations=(), message='')
  • 输入： 接收 (sequence, circular) 的 Python 函数；返回有限数值。
  • 输出： 返回 OptimizationResult，包含优化序列和约束是否满足。
  • 示例代码：
from dnakit.bioinformatics.optimization import Specification, SpecEvaluation, optimize_sequence

rule = Specification("starts_with_A",
                     lambda sequence, circular: SpecEvaluation(violation=float(sequence[0] != "A")))
result = optimize_sequence("CCGT", constraints=[rule])
print(result.sequence, result.constraints_satisfied)
  • 示例结果：
ACGT True

依赖与实现说明。

3) 从 GenBank 注释读取优化规则

  • 作用： 把构建文件中的规则注释转为约束和目标。
  • 计算方法： 读取 feature 上 dnakit_constraint / dnakit_objective 的 JSON，并使用该 feature 区间。
  • API： dnakit.bioinformatics.optimization.specifications_from_record(record)
  • 输入： Biopython SeqRecord，feature 必须为精确、正向简单区间；需要 bio-formats。
  • 输出： 返回约束和目标规则的元组，可直接用于序列优化。
  • 示例代码：
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord
from Bio.SeqFeature import SeqFeature, SimpleLocation
from dnakit.bioinformatics.optimization import specifications_from_record

record = SeqRecord(Seq("ACGTACGT"), id="construct")
record.features = [SeqFeature(SimpleLocation(0, 8, strand=1),
    qualifiers={"dnakit_constraint": ['{"kind":"gc","minimum":0.4,"maximum":0.6}']})]
constraints, objectives = specifications_from_record(record)
print(len(constraints), len(objectives), constraints[0].evaluate(str(record.seq)).violation)
  • 示例结果：
1 0 0.0

依赖与实现说明。

4) 用 BLAST 命中约束序列设计

  • 作用： 在优化中检测与指定数据库的同源 HSP。
  • 计算方法： 执行 BLAST 搜索，并按 identity 和命中长度阈值计算违反量；结果按序列缓存。
  • API： dnakit.bioinformatics.optimization.blast_match_specification(database, minimum_identity=0.8, minimum_length=20, evalue=1e-5)
  • 输入： 已建立的本地 BLAST 核酸库前缀、blastn；搜索为空不证明绝对无同源性。
  • 输出： 返回 BLAST 匹配约束 Specification；评估时得到违规程度和命中区间。
  • 示例代码：
from dnakit.bioinformatics.optimization import blast_match_specification

rule = blast_match_specification("local_db/database", minimum_identity=0.9, minimum_length=20)
evaluation = rule.evaluate("ACGTACGTACGTACGTACGTACGT")
print(evaluation.violation, evaluation.locations)
  • 示例结果：

返回 SpecEvaluation，包括违反量和命中位置；真实结果依赖数据库，此处未执行。

依赖与实现说明。