如何生成指定长度的DNA序列

——by不是杀杀

前几天遇见一个简单的问题，但是我当我实际面对它的时候却发现好像也没我想得那么简单：如何生成指定长度的包含所有可能的DNA序列？ 我们知道当DNA序列长度为4时，4种碱基（A、T、C、G）就能组成4x4x4x4=256种可能，当DNA长度=4bp时，只需要做个ATCG的全排列就能得到这256个短片段，但当DNA长度=5bp、6bp······时呢？我们该如何得到所有可能的序列呢？
这里给大家提供一种最简单的思路，其他高级的方法欢迎大家在讨论区提出。
首先我们知道DNA序列每多1bp就会多4种可能，那么按照这样的思想，可以有以下思路

最简单的方法

也就是通过循环的方式生成所有序列，这种计算量是指数级上涨的，因此在生成长度较长的序列时会非常慢。
实现代码如下：

Random_sequence <- function(n){ #n为要生成的DNA长度
    n <- n-1
    ATCG<- matrix(c("A","T","C","G"),nrow=4,ncol=1)
    ATCG_Initial<- matrix(c("A","T","C","G"),nrow=4,ncol=1)  #每次用来叠加的固定不变的4种碱基
    for(j in (1:n)){   #n位则需要做n次大循环，每次循环给前一次的结果加上ATCG四种可能
        for(i in (1:dim(ATCG)[1])){  
          if(i==1){sequence <- matrix(NA,nrow=1,ncol=j+1)}
          sequence<-rbind(sequence,cbind(matrix(rep(ATCG[i,],4),nrow=4,byrow=T),ATCG_Initial))
        }  #加上ATCG四种可能
        ATCG <- na.omit(sequence)  #去掉第一行NA
    }
    Sequence <- matrix(NA,nrow=nrow(ATCG),ncol=1)
    for(k in (1:dim(ATCG)[1])){
        Sequence[k] <- paste(as.character(ATCG[k,]), collapse = "")  #之前的结果存储在矩阵中，通过paste将一行的碱基连接成一串字符
    }
return(Sequence)
}

结果如下：
如生成6bp的序列

共有4096条

这种方法生成短序列是没有什么问题的，但是若是要生成10bp以上的序列就会出大问题，10bp的序列有4^10=1048576种可能，按照这种方法那就需要存储一百多万行的矩阵，建议不要轻易尝试。