データを定期的に更新する
長らく間が空いてしまいました...。活動報告をば。
現在(前からですが)次世代シーケンサデータの目次サイトSRAs のコンテンツにある、文献から探す -Publications referring to NGS dataに関わっています。
次世代シーケンサデータ関連の文献(論文)と、それに関連のあるSRAのIDを対応付けたリストです。
このデータはどう集めてきたかというと、下記から、
- ベンダーの文献リスト...illumina, 454 Life Sciences, Applied Biosystems
- DRA(DDBJ)の記述
- PubMedのMeSHタグ
PubMedに登録されている論文を見つけ、SRAのIDを正規表現で拾ってきました。
さて最近は何をやっていたかというと、
ある程度データを収集する方法が固まったので、これを定期的に動かせるよう調整をしていました。
現在は週に一回、
- DRA(DDBJ)のデータから
- PubMedのMeSHタグ(今のところは、”High-Throughput Nucleotide Sequencing[MeSH]”のみ)
この二種類の方法で探索しています。
新しく更新されたデータは、ページ右上(2011/9/26現在)のlast update横のリンクから確認できます。
"from MeSH (pubmed)" 以下は、MeSHタグを定点観測した結果、”from DDBJ DB” 以下は、DRAのデータを探索した結果で、新しく増えたPMIDとSRAIDのペアを出力しています。
毎週バシバシ増えるようなものでもないので、少しずつ増えていくと思われます。
ハマった:Python 正規表現
# xという以下の文字列があったとする. >>> x = '385A33B1C96C' # この文字列から、BとCを前にある数字ごと抜き出したいときに、次のような正規表現を書いた. >>> re.compile(r'(\d+B)|(\d+C)').findall(x) [('33B', ''), ('', '1C'), ('', '96C')] # 間違ってはいないが、できれば、タプルじゃない方が嬉しい. # こうすると想定した答えが返ってくる. >>> re.compile(r'\d+[B|C]').findall(x) ['33B', '1C', '96C'] #同じ正規表現のように思えるけれど、違うらしい.
DBCLSの収穫祭で発表しました。
活動メモです。
3/18にRAとしてお世話になっているDBCLSで、AJACS25 もとい、収穫祭が催されました。
RAの成果発表会で、来年度から来てもらうRAの勧誘の目的も強いです。
私も末席ながら、発表させていただきました。
http://g86.dbcls.jp/g86/?p=174
普段、ここでぶつぶつ呟いている内容(除くプログラミングもの)のまとめになります。
この下にあるのが発表スライドです。
一番最初のスライドの、日付が一年間間違ってますね,ヒェー...
ハマった:Python
データの書式を変えるのに、Pythonを使って書いていた。
あぁ、そうかと思った出来事メモ。
データを作るのに、for文のなかで
for: a = str(int(b)) ... str="hugahuga"
関数strと変数strを無意識に使っていた。
エラーが..
TypeError: 'str' object is not callable
そりゃcallできないな。切ない。
でもこういううっかりミスは多そうだなぁ。
”組み込み関数と同じ名前の変数を定義するのはよくない。”
通りすがりさんの声が聞こえた。
迷路*Python
覚えたてほやっほやのPythonを使ってみたくて書きました.
問題は,
人生を書き換える者すらいた。:人材獲得作戦・4 試験問題ほか
の最短経路探索問題から抜粋.
実際の問題の詳細については、リンクから.
簡単に説明すると,迷路のスタートからゴールまでの最短経路を返すプログラムを書いてくださいというものです.
出力はこんな感じにしました.(*:壁、S:スタート位置、G:ゴール位置、$:経路)
$ ipython meiro.py スタート地点:(1, 1) ゴール地点:(8, 22) 最短距離:60 ************************** *S* * $$$$ * *$* *$$* $************* * *$* $$* $$************ * *$$$$* $$$$$ * **************$*********** * $$$$$$$$$$$$$ * **$*********************** * $$$$$* $$$$$$$$$$$$$G * * * $$$$*********** * * * * ******* * * * * * **************************
コード全文を以下に晒します.
幅優先探索で,枝刈りしつつ,ゴールに行き着いたら探索終了,スタートから各位置の最小距離を繋げるとゴールまでの経路になります,という考え方です.
# -*-coding: utf-8 -*- #問題:S->Gまでの最短経路を求めたい.*は壁、上下左右にしか進めない. map = [ '**************************', '*S* * *', '* * * * ************* *', '* * * ************ *', '* * *', '************** ***********', '* *', '** ***********************', '* * G *', '* * *********** * *', '* * ******* * *', '* * *', '**************************' ]; def print_map(map): for l in map: print l def print_route(route): for l in route: print "".join(l) # mapから、'S'または'G'の位置を探して返す.無かったらNoneが返る def getLoc(map,SorG): t=0 for l in map: s=0 for n in l: if n == SorG: return (t,s) s=s+1 t=t+1 def search(map): s = getLoc(map,'S') # mapからSの位置を探す print 'スタート地点:'+str(s) if s == None: print 'スタート地点Sがないので、道はありません.' else: # s から'G'までの最短距離を返す search_from_s(map,s) # s から'G'までの最短距離を返す def search_from_s(map,s): mapi = len(map) mapj = len(map[0]) # distanceは、Sから(t,s)までの仮の最短距離を保存する distance=[[None for j in xrange(mapj)] for i in xrange(mapi)] distance[s[0]][s[1]]=0 #スタート地点は距離0 next=[(s,0)] #探索位置とその位置までのそのルートでの最短距離を保存するリスト型キュー while len(next) != 0: n = next.pop(0) a = n[0] # 探索位置 dis_a = n[1] # Sからa までの距離 # aの上下左右を見る. if 0<=a[0]-1 : # 上 next_a(a[0]-1,a[1],dis_a,map,distance,next) if a[0]+1<mapi : #下 next_a(a[0]+1,a[1],dis_a,map,distance,next) if 0<=a[1]-1 : #左 next_a(a[0],a[1]-1,dis_a,map,distance,next) if a[1]+1<mapj : #右 next_a(a[0],a[1]+1,dis_a,map,distance,next) #結果出力。ついでにGの位置も出力 g=getLoc(map,'G') print 'ゴール地点:'+str(g) print '最短距離:'+str(distance[g[0]][g[1]]) #SからGまでの最短経路を出力する search_route(map,distance) #aの上下左右を見る.壁(*)だったら何もしない. #壁でなければdistanceのその位置と同じ位置を見て、 #保存されている距離がdis_a+1よりも小さければ何もしない. #大きいか距離が保存されていなかったら、dis_a+1で置き換える #"G"だったら、dis_a+1を返し、探索終了. #"G"でなければ、nextにその位置とdis_a+1を保存する. def next_a(i,j,dis_a,map,distance,next): if map[i][j] == '*': return if distance[i][j] == None: distance[i][j]=dis_a+1 if map[i][j] != 'G': next.append(((i,j),dis_a+1)) else: del next[:] else: if distance[i][j] < dis_a+1: return else: distance[i][j] = dis_a+1 if map[i][j] != 'G': next.append(((i,j),dis_a+1)) else: del next [:] #distanceを辿って、最短経路をmap上に、$で書くだけ。 #最短経路がいくつもあれば、そのうちの一個だけ示す def search_route(map,distance): mapi = len(map) mapj = len(map[0]) route=[] for i in range(mapi): lst=[] for j in range(mapj): lst.append(map[i][j]) route.append(lst) s=getLoc(map,'S') g=getLoc(map,'G') a=g dis=distance[g[0]][g[1]] while s[0]!=a[0] or s[1]!=a[1]: dis=dis-1 if 0<=a[0]-1: # 上 if(distance[a[0]-1][a[1]]==dis): route[a[0]-1][a[1]]='$' a=(a[0]-1,a[1]) continue if a[0]+1<mapi : #下 if(distance[a[0]+1][a[1]]==dis): route[a[0]+1][a[1]]='$' a=(a[0]+1,a[1]) continue if 0<=a[1]-1 : #左 if(distance[a[0]][a[1]-1]==dis): route[a[0]][a[1]-1]='$' a=(a[0],a[1]-1) continue if a[1]+1<mapj : #右 if(distance[a[0]][a[1]+1]==dis): route[a[0]][a[1]+1]='$' a=(a[0],a[1]+1) route[s[0]][s[1]]='S' print_route(route) # 迷路を示す配列を渡すとSからGまでの最短距離を返す search(map)
ここまで作ってから気付いたんですが,真面目に解くなら,ファイルを読み込んでないと間違いだ...まぁ..mapは最初からリスト型にしておいたほうが良さそうとか、もっとシンプルに書けるところはあるなとかありますが、今回はPythonで書けて動いたので良し.
ハマったメモ*Python
気ばらしにPythonで何かを書いていた。メモ。
m行n列な多次元配列を作って、配列の中身をいじりたかった。
#5x3の、要素を0で初期化した多次元配列を作りたい。 In [44]: d=[[0]*3]*5 #多次元配列できた。 In [45]: d Out[45]: [[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]] #(1,2)成分に1を代入したい。 In [46]: d[1][2]=1 #...違う。 In [47]: d Out[47]: [[0, 0, 1], [0, 0, 1], [0, 0, 1], [0, 0, 1], [0, 0, 1]]
In [68]: d=[] In [69]: for n in range(5): ....: d.append([0]*3) ....: In [70]: d Out[70]: [[0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0], [0, 0, 0]] #(1,2)成分に1を代入 In [71]: d[1][2]=1 #できた. In [72]: d Out[72]: [[0, 0, 0], [0, 0, 1], [0, 0, 0], [0, 0, 0], [0, 0, 0]]
つまり...
d=[[0]*3]*5 #は, d=[[0]*3,[0]*3,[0]*3,[0]*3,[0]*3] #じゃなくて, a=[[0]*3] d=[a,a,a,a,a] #と同等というコト。
そりゃあ..そうか。そりゃ、そうか?
文法がまだよく分かってないけれど、もっと上手く多次元配列を作る方法はあるのかもしれない。
new hoge...みたいな何かがあれば.(なんかこのエントリ頭悪いな)