電子情報工学演習B 第7回

課題

A, T, G, Cの4文字から作られる長さ8の文字列（語）に対して，大腸菌K12（U00096）、大腸菌O157（AE005174）、ペスト菌（AL590842）のそれぞれのゲノム配列中の出現頻度（回数）を計測し、出現頻度分布を比較する。

ヒント

既知の文字列が配列中にいくつあるかを数える
abcdabcd という文字列に ab という部分文字列がいくつ含まれるかを調べるには、以下が使えます。
```
  "abcdabcd".scan("ab").length
```
このメソッドは文字列を走査するので、文字列の長さを \(n\) としたときの時間計算量は \(\mathrm{O}(n)\) となります。
今回の課題の場合、AAAAAAAA ~ CCCCCCCC までの \(4^8\) 個の部分文字列を検索すると \(\mathrm{O}(n)\) の処理を \(4^8\) 回することになり、かなりの時間がかかります。
そのため、window_search を使い、切り出された 8 文字をキーとして持つハッシュを作成してから、各文字列に対して処理をすると良いでしょう。(これだと \(\mathrm{O}(n)\) で済む)

使えそうなもの

window_search
Ruby のバージョンが 3 であり、かつ bio のバージョンが 2.0.3 未満の場合、 window_search の返り値のクラスが String になります。
2.0.3 で修正されたため、この問題が起こった場合は gem update bio アップデートしてください。

Numo-gnuplot

Ruby で gnuplot を扱うライブラリに numo-gnuplot があります。
gnuplot の書式をほぼそのまま使えるため、Ruby 単体で分析処理を完結させたい場合は選択肢になるでしょう。
以下に \(\sin\) 関数のグラフを gnuplot, numo-gnuplot それぞれで書く場合のコードを掲載します。

gnuplot

  set nokey
  set title "the title"
  set xlabel "x"
  set ylabel "y"
  set terminal pdf enhanced color size 4in,3in
  set output "test.pdf"
  plot [-pi:pi] sin(x) with line

Ruby

  require "numo/gnuplot"

  x = []
  y = []

  x_current = -Math::PI
  dx = 0
  while x_current <= Math::PI
    x_current += dx
    x << x_current
    y << Math.sin(x_current)
    dx += 0.01
  end

  Numo.gnuplot do
    set(:nokey)
    set({ :title => "the title" })
    set({ :xlabel => "x" })
    set({ :ylabel => "y" })
    set({ :terminal => { :pdf => { :enhanced => "color", :size => "4in,3in" } } })
    set({ :output => "test.pdf" })
    plot(x, y, { :with => "line" })
  end