数学建模_国2000A——DNA序列问题中的数据处理

2000年A题 DNA序列 中的数据处理

具体针对的是题目数据中的Nat-model-data.txt，数据量较大，我不贴了，放个链接感受下。link

那么如何进行数据处理才能让这个数据为我们所用呢？

我的思路是：
观察数据发现整个数据都是关于ATGC的基因序列，共有182个，且每个序列长度都不相同，共同特征是初始字符为数字（数字个数不定）接着为字符“:>”基因序列从后面开始。结尾为空字符。于是思路为将每个基因序列放在元组的一行，元组共182行1列。具体算法为写一个循环，逐行读入字符，若开头为数字，即继续查找直到当前字符为字母，即基因开始，结束的标志为空白行，将所有读入的字母拼接为一个完整的基因序列，存入元组中的一行。

具体程序

clcclearclose allfid=fopen('Nat-model-data.txt','r'); result='';%每个基因的暂存变量j=1;dna{182,1}=0;%182个基因的储存元组while(~feof(fid))    data=fgetl(fid);%读取一行    if isempty(data)%若该行为空白行，则continue，读下一行        dna{j,1}=result;        (Copyright © http://blog.csdn.net/s_gy_zetrov. All Rights Reserved)        j=j+1;        result='';        continue    else%若该行不是空白行，则查找数字和‘:>’字符        for i=1:length(data)            if (data(i)>=48&&data(i)<=57)                i=i+1;            elseif (data(i)==58||data(i)==62)                i=i+1;            else%当当前字符为字母时，取出余下所有字符，存入tmp中                tmp=data(i:length(data));                result=[result,tmp];%将基因的所有行拼接为一整行，等待存入基因元组中                break%结束当前字符查找，回到大循环            end        end    endend(Copyright © http://blog.csdn.net/s_gy_zetrov. All Rights Reserved)

程序能正确将全部182个记忆序列存储到182*1的基因元组中，具体单个基因序列的调用方式为dna{n,1}

有一个小bug是需要在Nat-model-data.txt的结尾加入一行字符如” this is the end of this file.”,否则则只能读入181个基因。不过这个bug由于可以绕过，不影响使用，所以我也就没再仔细查。

(Copyright © http://blog.csdn.net/s_gy_zetrov. All Rights Reserved)

---

visitor tracker

---

some people just aren’t meant to be together. Or it’s not the time yet. like us, HuaHua, we are more than friends but always below lovers. Today is my blogs’ 1-year-birthday. I’m moving on. At least for now. Maybe in a year or two, but who knows? Who noes~