Question

所以我要做的是有一个函数，在一个字符串中找到一个序列'ATG'，然后从那里沿着字符串以3为单位移动，直到它找到'TAA'，'TAG'，或'TGA'（ATG-xxx-xxx-TAA | TAG | TGA）

为此，我编写了这行代码（其中fdna是输入序列）

ORF_sequences = re.findall(r'ATG(?:...)*?(?:TAA|TAG|TGA)',fdna)

然后我想添加3个要求：

总长度必须为30
在ATG之前的两个地方必须要检测到A或G（A | G-x-x-A-T-G-x-x-x）
ATG之后的下一个地方必须是G（A-T-G-G-x-x）

要执行此部分，我将代码更改为：

ORF_sequence_finder = re.findall(r'[AG]..ATGG..(?:...){7,}?(?:TAA|TAG|TGA)',fdna)

我想要的不是拥有所有这些限制，而是要求1（大于或等于30个字符）然后具有EITHER要求2（A | GxxATGxxx）或要求3（ATGGxx）或两者那些。

如果我将上面的行分成两行并将它们附加到列表中，它们会出现故障并重复出现。

以下是不同案例的几个例子：

sequence1 = 'AGCCATGTGGGGGGGGGGGGGGGGGGGGGGGGGGGGGTGAAAA'
sequence2 = 'ATCCATGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGTAG'
sequence3 = 'AGCCATGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGTAG'    
sequence4 = 'ATGGGGTGA'

sequence1 = 'A**G**CC*ATG*TGGGGGGGGGGGGGGGGGGGGGGGGGGGGG*TGA*AAA'

sequence1将被标准接受，因为它遵循要求2（A | G-x-x-A-T-G-x-x-x）并且其长度> = 30。

sequence2 = 'ATCC*ATG***G**GGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG*TAG*

sequence2将被接受，因为它遵循要求3（A-T-G-G-x-x）并且其长度为> = 30

sequence3 = 'A**G**CC*ATG***G**GGGGGGGGGGGGGGGGGGGGGGGGGGGGG*TGA*AAA'

sequence3将被接受，因为它同时满足要求2和3，同时还具有＆gt; = 30个字符。

sequence4 = 'ATGGGGTGA'

sequence4不会被接受，因为它不是＆gt; = 30，不符合要求2或要求3。

基本上，我希望它能够接受符合要求2和/或要求3（或两者）的序列，同时满足要求1.

如何在不添加重复项的情况下将其拆分（如果两者都发生）并且无序？

Answer 1

如果可能的[AG]..应包含在长度要求中，您可以使用：

r'(?x) (?: [AG].. ATG | ATG G.. )  (?:...){7,}? (?:TAA|TAG|TGA)'

或者如果你不想在比赛中加入[AG]..，你可以使用外观：

r'(?x) ATG (?: (?<=[AG].. ATG) | (?=G) ) (?:...){8,}? (?:TAA|TAG|TGA)'

正则表达式Python findall。使事情变得非常冗余

1 个答案: