1500nt核苷酸序列的350nt片段数量及特定片段计算咨询

前提说明 #

给定一条1500nt的核苷酸序列，以ATCG为单位重复排列（A、T、G、C均等分布），任意位置n的碱基可由n mod4确定：

• n ≡1 mod4：A
• n ≡2 mod4：T
• n ≡3 mod4：C
• n ≡0 mod4：G

题目中“每4个位置的'T'为切割位点”即指所有n≡2 mod4的位置（序列中每4个碱基的第2位）为切割位点，切割后可生成350nt长度的片段。

问题1：可生成多少种独特的350nt片段？ #

由于序列是周期为4的重复序列，350nt的片段包含87个完整周期（348nt）加额外2nt。两个片段序列完全相同的充要条件是它们的起始位置模4结果一致：

• 起始位置i≡1 mod4：片段序列为(ATCG)×87 + AT
• 起始位置i≡2 mod4：片段序列为(TCGA)×87 + TC
• 起始位置i≡3 mod4：片段序列为(CGAT)×87 + CG
• 起始位置i≡0 mod4：片段序列为(GATC)×87 + GA

同时，起始位置的取值范围为1 ≤i ≤1500-350+1=1151，上述四种模4的起始位置均存在有效取值（例如i=1、i=2、i=3、i=4均满足i+349≤1500），因此这四种片段的序列完全不同。

答案：4种

问题2：其中同时包含第200位和第490位的片段有多少种？ #

要同时包含第200位和第490位，片段的起始位置i需满足：

1. i ≤200（片段覆盖第200位）
2. i+349 ≥490 → i ≥490-349=141（片段覆盖第490位）

因此i的取值范围是141 ≤i ≤200，共60个起始位置。在这个范围内，起始位置的模4结果包含全部4种情况（141≡1 mod4，142≡2 mod4，143≡3 mod4，144≡0 mod4，后续循环），每种模4对应的片段序列均属于问题1中的4种独特序列之一，且所有4种序列对应的片段都能覆盖第200位和第490位。

答案：4种

内容的提问来源于stack exchange，提问作者Mathilde