如何高效生成给定核酸序列的指定数量突变体？

核心思路 #

要生成指定突变数的所有突变体，关键是先筛选出所有不重复的突变位置组合，再为每个位置生成合法的碱基替换选项，最后通过笛卡尔积组合这些替换，得到所有可能的突变序列。这种方式避免冗余计算，利用Python标准库itertools的底层优化实现保证效率。

完整实现代码 #

from itertools import combinations, product
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord

def generateAllMutan(baseSeq, nbMutation):
    base = ["A", "T", "C", "G"]
    seq_len = len(baseSeq)
    mutantList = []

    # 处理边界情况
    if nbMutation == 0:
        mutantList.append(SeqRecord(Seq(baseSeq), id="original", name="", description="Original sequence"))
        return mutantList
    if nbMutation < 0 or nbMutation > seq_len:
        raise ValueError(f"nbMutation must be between 0 and {seq_len}")

    # 生成所有不重复的突变位置组合
    for positions in combinations(range(seq_len), nbMutation):
        # 为每个突变位置生成排除原碱基的替换选项
        possible_replacements = []
        for pos in positions:
            original_base = baseSeq[pos]
            replacements = [b for b in base if b != original_base]
            possible_replacements.append(replacements)
        
        # 遍历所有替换组合，生成突变序列
        for replacements in product(*possible_replacements):
            seq_list = list(baseSeq)
            for pos, new_base in zip(positions, replacements):
                seq_list[pos] = new_base
            mutedSeq = ''.join(seq_list)
            
            # 构造包含突变细节的ID
            mutation_details = "_".join([f"{pos+1}{orig}→{new}" for pos, orig, new in zip(positions, [baseSeq[p] for p in positions], replacements)])
            seqName = f"mutant_{mutation_details}"
            
            mutantList.append(SeqRecord(Seq(mutedSeq), id=seqName, name="", description=f"{nbMutation}-site mutation"))
    
    return mutantList

关键细节说明 #

1. 位置去重：用combinations生成不重复的位置组合，确保每个位置只被修改一次，避免生成重复突变体。
2. 高效组合生成：product生成所有替换碱基的笛卡尔积，比手动嵌套循环执行效率更高，覆盖所有可能的突变组合。
3. 边界校验：提前处理nbMutation=0（返回原序列）、非法突变数（抛出异常）的情况，避免无效计算。
4. 清晰命名：突变体ID包含每个突变的位置、原碱基和新碱基，方便后续识别筛选。
5. 修复原代码错误：原代码中baseSeq[i++1:]是语法错误，改为通过列表修改生成突变序列，更直观不易出错。

性能优势 #

itertools的组合和乘积操作由C底层实现，比手动递归或多层循环效率更高；同时仅生成符合要求的突变体，无冗余序列，内存占用更可控。

内容的提问来源于stack exchange，提问作者kaminosekai