以下是一个示例代码，演示了如何按组别使用不同的切割点进行突变：

import random

def mutate_by_group(genes, group_sizes, mutation_rates):
    # 验证输入的数据长度是否一致
    if len(group_sizes) != len(mutation_rates):
        raise ValueError("group_sizes和mutation_rates的长度必须一致")

    mutated_genes = []
    # 遍历每个基因组
    for i in range(len(group_sizes)):
        # 获取当前基因组的切割点和突变率
        group_size = group_sizes[i]
        mutation_rate = mutation_rates[i]

        # 随机选择切割点
        cut_point = random.randint(0, len(genes) - group_size)

        # 对当前基因组进行突变
        for j in range(cut_point, cut_point + group_size):
            if random.random() < mutation_rate:
                # 在突变率范围内进行基因突变
                mutated_genes.append(mutate_gene(genes[j]))
            else:
                mutated_genes.append(genes[j])

    return mutated_genes

def mutate_gene(gene):
    # 在这里实现基因突变的逻辑
    # 返回突变后的基因
    pass

# 示例用法
genes = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
group_sizes = [3, 4, 3]
mutation_rates = [0.2, 0.5, 0.3]

mutated_genes = mutate_by_group(genes, group_sizes, mutation_rates)
print(mutated_genes)

在上面的示例代码中，mutate_by_group函数接受三个参数：genes表示基因序列，group_sizes表示每个基因组的大小，mutation_rates表示每个基因组的突变率。函数会遍历每个基因组，根据每个基因组的大小随机选择一个切割点，然后在该基因组内根据对应的突变率对基因进行突变。最后返回突变后的基因序列。

mutate_gene函数需要根据实际需求实现基因突变的逻辑，例如可以使用随机数生成器来产生一个新的基因值。

在示例中，我们使用了一个简单的列表作为基因序列，但实际应用中可以根据需要进行修改。同样，切割点和突变率也可以根据实际需求进行调整。