Question

目的是在Python中对蛋白质序列的理论性胰蛋白酶切割进行编码。胰蛋白酶的切割（切割）规则是：在R或K之后，但不在P之前（即胰蛋白酶在每个K或R之后切割（切割）蛋白质序列，除非（K或R）之后是P）。

这是我的正则表达式：

pattern = re.compile('[KR]?[^P].*?[KR](?!P)')
peptides = pattern.findall('GGRGAGSAAWSAAVRYLTMMSSLYQT')

输出：

GGR and GAGSAAWSAAVR

我想要的是：

GGR and GAGSAAWSAAVR and YLTMMSSLYQT

Findall只返回被剪切的而不是剩下的。感谢

Answer 1

根据您发布的链接

胰蛋白酶的切割规则是：在R或K之后，但不在P之前（即胰蛋白酶在每个K或R之后切割（切割）蛋白质序列，除非（K或R）之后是P）。

这可以实现如下：

匹配一个角色。
在匹配下一个字符之前，请检查最后一个字符是否不是分割K或R之一（P后面没有）。
然后消耗下一个角色。
重复步骤2和3。

在正则表达式中，这看起来像这样：

>>> re.findall(r".(?:(?<![KR](?!P)).)*", 'GGRGAGRPSAAWKSAAVRYLTMMSKPSLYQT')
['GGR', 'GAGRPSAAWK', 'SAAVR', 'YLTMMSKPSLYQT']

（我不知道这是否是一个有效的序列，但它包括所有相关案例。）

Answer 2

计算机肽/蛋白质的切割是典型的任务，并且已经实施。例如，您可以通过以下方式使用pyteomics（我开发）：

In [1]: from pyteomics.parser import cleave, expasy_rules

In [2]: cleave('GGRGAGSAAWSAAVRYLTMMSSLYQT', expasy_rules['trypsin'])
Out[2]: {'GAGSAAWSAAVR', 'GGR', 'YLTMMSSLYQT'}

正如您所看到的，流行的分裂规则已经编码。但您可以提供自己的：

In [3]: cleave('GGRGAGSAAWSAAVRYLTMMSSLYQT', '[KR]?[^P].*?[KR](?!P)')
Out[3]: {'GAGSAAWSAAVR', 'GGR', 'YLTMMSSLYQT'}

这是the relevant section in the tutorial。

如果您对目前的实施方式感兴趣，请查看source code：

@memoize()
def cleave(sequence, rule, missed_cleavages=0, overlap=False):
    """
    Docstring omitted here for brevity.    
    """
    peptides = set()
    cleavage_sites = deque([0], maxlen=missed_cleavages+2)
    for i in chain(map(lambda x: x.end(), re.finditer(rule, sequence)),
                   [None]):
        cleavage_sites.append(i)
        for j in range(0, len(cleavage_sites)-1):
            peptides.add(sequence[cleavage_sites[j]:cleavage_sites[-1]])
        if overlap and i not in {0, None}:
            peptides.update(
                    cleave(sequence[i:], rule, missed_cleavages, overlap))

    if '' in peptides:
        peptides.remove('')
    return peptides

Answer 3

这是解决问题的更好方法，也是最简单的方法：

peptideo=""
proteina=raw_input("Digite a sequencia da proteina a ser digerida: ")
i=0
for i in range (0,len(proteina)):
    peptideo=peptideo+proteina[i]
    if (proteina[i]==("R") and not (proteina[i+1]=="P")):
        print "Peptideo digerido", peptideo
        peptideo=""
    if (proteina[i]==("P") and not (proteina[i+1]=="P")):
        print "Peptideo digerido", peptideo
        peptideo=""
print "Peptideo digerido", peptideo

Python 3-切肽正则表达式？

3 个答案: