在序列中的某些出现之间创建值列表。 。 。蟒蛇

Question

我发布了一个关于阅读框架的上一个问题的后续问题。

sequence = 'AAATGAAATAAGGATGGGGTAGTATGATGTGTTT'

我最终寻找特定模式'ATG'，我想扫描输入序列直到找到它。一旦找到它，我希望它继续读取3帧，直到它找到另一个序列“TAA”或“TAG”或“TGT”，然后继续扫描，直到它找到下一个'ATG'与下游'TAA' '或'TAG'或'TGT'

codon_list = ['ATG','AAA','TAA'],['ATG','GGG','TAG'],['ATG','ATG','TGT']

我正在尝试这个

start_frame = sequence.find('ATG')

但它只会让我第一次出现'ATG'。 （即'2'）

仅为我写的第一个密码子列表

for codon in range(len(sequence)):
    next_codon = fdna[start_frame:start_frame + 3]
    codon_list.append(next_codon)
    start_frame = start_frame + 3
    if next_codon == 'TAA': 
        break
    if next_codon == 'TAG':
        break
    elif next_codon=='TGT':
        break
print codon_list
>>> ['ATG','AAA','TAA']

它仅适用于'ATG'的首次出现。

接下来的部分是我想为每个密码子（0,1,2,3，...）创建一个名称的地方，我想我想出了这个部分：

indx = range(0,len(codon_list))

indx_codon = dict(zip(indx,codon_list)

indx_codon = {0:['ATG','AAA','TAA'],1:['ATG','GGG','TAG'],2:['ATG','ATG','TGT']}

codon_start = ['2','13','23']
codon_end = ['8','21','31']
codon_positions = []

for p,q in zip(codon_start,codon_end):
    codon_positions.append(str(p)+':'+str(q))

print codon_positions
>>> ['2:8', '13:21', '23:31']

所以我最大的问题是.find()函数只适用于第一次出现，如果之前有'TAA'或'TAG'或'TGT'，我在创建索引时会搞砸'ATG'（'ATG'是应该启动3的阅读框的那个）

如何创建遵循这些标准的多个序列列表（即将序列转换为codon_list）？

Answer 1

这是一个使用正则表达式的相当简洁的解决方案：

import re
sequence = 'AAATGAAATAAGGATGGGGTAGTATGATGTGTTT'
codons = re.findall(r'ATG(?:...)*?(?:TAA|TAG|TGT)', sequence)
codon_list = [[s[i:i+3] for i in range(0, len(s), 3)] for s in codons]

结果：

>>> codon_list
[['ATG', 'AAA', 'TAA'], ['ATG', 'GGG', 'TAG'], ['ATG', 'ATG', 'TGT']]