古生物DNA序列血缘分析
问题描述
小U是一位古生物学家，正在研究不同物种之间的血缘关系。为了分析两种古生物的血缘远近，她需要比较它们的DNA序列。DNA由四种核苷酸A、C、G、T组成，并且可能通过三种方式发生变异：添加一个核苷酸、删除一个核苷酸或替换一个核苷酸。小U认为两条DNA序列之间的最小变异次数可以反映它们之间的血缘关系：变异次数越少，血缘关系越近。
你的任务是编写一个算法，帮助小U计算两条DNA序列之间所需的最小变异次数。
dna1: 第一条DNA序列。dna2: 第二条DNA序列。
测试样例
样例1：
输入：
dna1 = "AGT",dna2 = "AGCT"
输出：1
样例2：
输入：
dna1 = "AACCGGTT",dna2 = "AACCTTGG"
输出：4
样例3：
输入：
dna1 = "ACGT",dna2 = "TGC"
输出：3
样例4：
输入：
dna1 = "A",dna2 = "T"
输出：1
样例5：
输入：
dna1 = "GGGG",dna2 = "TTTT"
输出：4这段代码实现了计算两条DNA序列之间最小编辑距离（也称为Levenshtein距离）的算法。编辑距离是指在允许字符替换、插入和删除的情况下，将一个字符串转换成另一个字符串所需的最小操作次数。对于DNA序列来说，这可以用来衡量两条序列之间的相似度或血缘关系的远近。 代码展示：
def solution(dna1, dna2):
m, n = len(dna1), len(dna2)
# 创建一个(m+1) x (n+1)的二维数组dp，初始化为0
# dp[i][j]表示dna1的前i个字符转换成dna2的前j个字符所需的最小编辑距离
dp = [[0] * (n + 1) for _ in range(m + 1)]
# 初始化第一行和第一列
for i in range(m + 1):
dp[i][0] = i # 将dna1的前i个字符转换成空字符串需要i次删除操作
for j in range(n + 1):
dp[0][j] = j # 将空字符串转换成dna2的前j个字符需要j次插入操作
# 填充dp数组
for i in range(1, m + 1):
for j in range(1, n + 1):
if dna1[i - 1] == dna2[j - 1]:
dp[i][j] = dp[i - 1][j - 1] # 字符相同，不需要编辑
else:
# 取插入、删除、替换操作中的最小值，并加1
dp[i][j] = min(dp[i - 1][j], # 删除dna1的第i个字符
dp[i][j - 1], # 插入到dna1的第i个位置
dp[i - 1][j - 1]) + 1 # 替换dna1的第i个字符为dna2的第j个字符
# 注意：这里不需要额外检查替换操作，因为上面的dp[i-1][j-1]+1已经隐含了替换
# 返回dna1转换成dna2所需的最小编辑距离
return dp[m][n]
测试样例
print(solution("AGT", "AGCT")) # 输出: 1 print(solution("AACCGGTT", "AACCTTGG")) # 输出: 4 print(solution("ACGT", "TGC")) # 输出: 3 print(solution("A", "T")) # 输出: 1 print(solution("GGGG", "TTTT")) # 输出: 4
-
初始化：
m, n = len(dna1), len(dna2)：获取两条DNA序列的长度。dp = [[0] * (n + 1) for _ in range(m + 1)]：创建一个二维数组dp，大小为(m+1) x (n+1)，用于存储中间结果。dp[i][j]表示将dna1的前i个字符转换成dna2的前j个字符所需的最小编辑距离。
-
初始化第一行和第一列：
- 第一行
dp[i][0]：将dna1的前i个字符转换成空字符串，需要i次删除操作。 - 第一列
dp[0][j]：将空字符串转换成dna2的前j个字符，需要j次插入操作。
- 第一行
-
填充dp数组：
- 使用两个嵌套的循环遍历
dp数组的每一个元素（除了第一行和第一列，它们已经被初始化了）。 - 如果
dna1[i - 1] == dna2[j - 1]，即当前字符相同，则不需要编辑，dp[i][j] = dp[i - 1][j - 1]。 - 如果字符不同，则考虑三种操作：删除、插入和替换，并选择其中的最小值加1。这里不需要额外检查替换操作，因为
dp[i - 1][j - 1] + 1已经隐含了替换操作（即删除dna1的一个字符并用dna2的对应字符替换它，或者反过来想，就是插入dna2的一个字符到dna1的对应位置并替换掉dna1的字符）。
- 使用两个嵌套的循环遍历
-
返回结果：
return dp[m][n]：返回dp数组的最后一个元素，即将整个dna1转换成整个dna2所需的最小编辑距离。
测试样例验证了算法的正确性。例如，对于输入dna1 = "AGT"和dna2 = "AGCT"，输出为1，因为只需要在dna1的末尾插入一个C就可以得到dna2。其他测试样例也遵循相同的逻辑，验证了算法能够正确处理不同长度的DNA序列和不同类型的编辑操作。
在写编程时，可以通过MarsCode Ai，向他提出问题，更好的来了解题目，
通过MarsCode Ai，可以对代码解析更好的是代码整洁，以及寻找错误
