Python生物信息学包模块结构优化及代码运行原理咨询

一、未实例化直接调用可正常运行的原因 #

你当前的写法属于Python非规范的偶然可用情况。类内部默认定义的方法为实例方法，要求第一个参数必须是实例本身（约定命名为self）。你直接通过类名Punnet.progeny()调用时，Python不会自动注入self参数，刚好你定义的progeny第一个参数是genotype1，调用时传入的两个基因型参数刚好匹配参数列表，所以不会报错。但如果尝试实例化后调用Punnet().progeny(xxx)就会抛出参数不匹配的错误，因为实例调用时会自动把实例对象作为第一个参数传入，相当于多传了一个参数。

二、更规范的实现与包结构设计 #

2.1 方法层面的修正 #

你的progeny方法不需要访问类属性、也不需要操作实例属性，属于纯工具方法，应该加上@staticmethod装饰器声明为静态方法，这样不管是类调用还是实例调用都符合语法规范，同时可以对重复逻辑做抽取优化，参考修正后代码：

import re
import itertools
import numpy as np

class Punnet:
    @staticmethod
    def progeny(genotype1: str, genotype2: str, show: str = 'genotype') -> dict:
        # 前置参数校验
        if show not in ('genotype', 'phenotype'):
            raise ValueError(f"show参数仅支持'genotype'和'phenotype'，当前输入为{show}")
        
        g1 = [list(i) for i in re.findall('..', genotype1)]
        g2 = [list(i) for i in re.findall('..', genotype2)]
        gametes1 = itertools.product(*g1)
        gametes2 = itertools.product(*g2)
        mate = itertools.product(gametes1, gametes2)
        
        progeny_list = []
        for gamete1, gamete2 in mate:
            offspring = ''
            for a1, a2 in zip(gamete1, gamete2):
                allele_pair = sorted([a1, a2])
                if show == 'genotype':
                    offspring += ''.join(allele_pair)
                else:
                    offspring += allele_pair[0]
            progeny_list.append(offspring)
        
        unique, counts = np.unique(progeny_list, return_counts=True)
        return dict(zip(unique, counts))

2.2 包结构设计 #

要满足你预期的import Rosa后直接调用Rosa.Punnet.progeny()的用法，推荐分层清晰的目录结构如下：

Rosa/                    # 包根目录
├── __init__.py          # 包入口文件
├── genetics/            # 遗传学相关功能模块目录
│   ├── __init__.py
│   └── punnet.py        # 存放上述Punnet类的实现代码
└── utils/               # 通用工具目录
    ├── __init__.py
    └── validators.py    # 存放基因型格式校验、参数校验等通用工具逻辑

在最上层的Rosa/__init__.py中添加导出逻辑，即可支持预期的调用形式：

from .genetics.punnet import Punnet

__version__ = "0.1.0"

这个结构后续新增其他功能（比如序列比对、变异分析模块）时，可以直接在根目录新增对应模块目录，不会出现结构混乱的问题。

2.3 后续优化建议 #

• 补充输入校验：比如校验输入的基因型字符串是否为偶数长度、是否仅包含合法的等位基因代表字符，避免非法输入导致逻辑错误
• 保留扩展性：后续如果需要支持自定义等位基因显隐性规则、多性状连锁分析等功能，可以添加类属性存储规则，对应方法改为类方法即可
• 补充单元测试：针对不同的基因型组合、参数配置分别写测试用例，保证迭代过程中逻辑正确性

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