Question

我正在寻找可能的脚本算法，该算法将搜索我在str对象中定义的长DNA序列中的指定基序（较短的DNA片段），计算每个发现（假设我的seq有几个相同的图案），并且在检测到基序的序列中打印第一个核苷酸编号。

假设在每个对象下面定义我应该在某个循环中使用这样的搜索，因为以下两个示例只能找到一次motif。指定这种循环的正确方法是什么？

#Loading data
seq = open('motif.txt', 'r')
chains=[]
[chains.append(line[:-1]) for line in seq]
Seq,Motif = chains[0], chains[1]
count=0


# Search motif
Seq.find(Motif)

if y == 1:
    print "%s has been detected" %(Motif)

if Motif in Seq:
    print "%s has been detected" %(Motif)

Answer 1

有什么东西可以做到吗？ biopython？但无论如何，它并不难，你不需要循环：

import re

seq='aaattatagggatatata'

motif='ata'

Q=re.compile(motif)

[item.start(0) for item in Q.finditer(seq)] #or maybe item.start(0)+1 if you want it
#Out[23]: [5, 11, 15]

Answer 2

这个问题在术语上听起来有点含糊不清。既然你说你正在寻找你的问题中的“主题”，我想问你是否真的想找到一个确切的序列，或者你的目的是搜索TFBS。如果您正在寻找特定字符串的确切出现，那么@CT朱的答案是适合您的。

然而，如果您正在寻找TFBS，那可能不像寻找精确序列那样微不足道，因为这些序列是简并的并且并不总是对应于相同的序列，尽管它们共享一些模式。在这种情况下，我建议看看主题数据库，如Jaspar或TRANSFAC，也许Biopython“motifs”模块可能是一个很好的起点： http://biopython.org/DIST/docs/api/Bio.motifs-module.html

在文献中可以找到更复杂的主题发现方法： http://www.ploscompbiol.org/article/info%3Adoi%2F10.1371%2Fjournal.pcbi.1003214#pcbi-1003214-g008

Answer 3

我将此添加为另一个答案，因为我不允许发表评论......

但是，我认为你可以在这个问题中找到答案：Python regex find all overlapping matches?

按顺序寻找图案

3 个答案: