如何对 DNA 序列（数据集）进行十进制编码？

Posted 2023-03-12

【中文标题】如何对 DNA 序列（数据集）进行十进制编码？

【英文标题】：How to do decimal encoding of DNA sequences (dataset)?

【发布时间】：2014-09-30 23:16:05

【问题描述】：

我需要对我以 FASTA 格式下载的 DNA 序列（核苷酸）序列执行 K 均值聚类和层次聚类。所以在执行聚类之前，我需要对 bases(a,t,c,g) 进行十进制编码.. 那么怎么做.. 这样我就可以在 MATLAB 中以矩阵形式获取这个输入？。

【问题讨论】：

你有 Matlab 的生物信息学工具包吗？它可以直接加载FASTA。

是的先生，我有 MATLAB 生物信息学工具包，但是为了执行 kmeans 聚类，我不需要数值数据.. 为此我需要将 a、c、t、g 转换为十进制值.. 如何这样做.. 还是直接加载 FASTA 文件我可以对这些 fasta 文件执行聚类？

【参考方案1】：

使用 nt2int 函数。相关文档如下：

http://www.mathworks.com/help/bioinfo/ref/nt2int.html