如何检查序列是否是蛋白质序列？

Question

给定一个随机序列，我该如何检查该序列是否为蛋白质？

from Bio.Seq import Seq
from Bio.Alphabet import IUPAC
my_prot = Seq("'TGEKPYVCQECGKAFNCSSYLSKHQR")
my_prot


my_prot.alphabet #How to make a check here ??

Answer 1

如果您的Seq对象有指定的字母，您可以检查该字母是否是蛋白质字母：

from Bio.Seq import Seq
from Bio.Alphabet import IUPAC, ProteinAlphabet
my_prot = Seq("TGEKPYVCQECGKAFNCSSYLSKHQR", alphabet=IUPAC.IUPACProtein())

print isinstance(my_prot.alphabet, ProteinAlphabet)

但是，如果您没有已知的字母表，则必须使用一些启发式方法来猜测它是否是蛋白质序列。这可以像检查序列是完全“ATC [GU]”一样简单，还是使用其他字母代码。

但这并不完美。例如，序列“ATCG”可以是丙氨酸，苏氨酸，半胱氨酸，甘氨酸（即蛋白质），或者它可以是腺嘌呤，胸腺嘧啶，胞嘧啶，鸟嘌呤（DNA）。类似地，“ACG”可以是蛋白质，RNA或DNA。从技术上讲，不可能确定序列是DNA，而不是蛋白质序列。但是，如果SeqRecord或Seq的其他上下文，您可以检查它是否是蛋白质序列。