Question

以下是我对rosalind项目problem的解决方案。

def prot(rna):
  for i in xrange(3, (5*len(rna))//4+1, 4):
    rna=rna[:i]+','+rna[i:]
  rnaList=rna.split(',')
  bases=['U','C','A','G']
  codons = [a+b+c for a in bases for b in bases for c in bases]
  amino_acids = 'FFLLSSSSYY**CC*WLLLLPPPPHHQQRRRRIIIMTTTTNNKKSSRRVVVVAAAADDEEGGGG'
  codon_table = dict(zip(codons, amino_acids))
  peptide=[]
  for i in range (len (rnaList)):
    if codon_table[rnaList[i]]=='*':
      break
    peptide+=[codon_table[rnaList[i]]]
  output=''
  for i in peptide:
    output+=str(i)
  return output

如果我运行prot('AUGGCCAUGGCGCCCAGAACUGAGAUCAAUAGUACCCGUAUUAACGGGUGA')，我会得到正确的输出'MAMAPRTEINSTRING'。但是如果rna（输入字符串）的序列长达数百个核苷酸（字符），我就会出错：

 Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
 File "<stdin>", line 11, in prot
 KeyError: 'CUGGAAACGCAGCCGACAUUCGCUGAAGUGUAG'

你能指出我哪里出错吗？

Answer 1

鉴于您有KeyError，问题必须出在您尝试访问codon_table[rnaList[i]]之一的问题中。您假设rnalist中的每个项目都是三个字符，但显然，在某些时候，它停止为True，其中一个项目为'CUGGAAACGCAGCCGACAUUCGCUGAAGUGUAG'。

这是因为当您重新分配rna = rna[:i]+','+rna[i:]时，更改rna 的长度，以使您的索引i不再到达列表的末尾。这意味着对于任何rna len(rna) > 60，列表中的最后一项不会有长度3.如果在到达项目之前有一个终止密码子，那么这不是问题，但是如果你到达它后，您将获得KeyError。

我建议您重写功能的开头，例如使用grouper recipe from itertools：

from itertools import izip_longest

def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx
    args = [iter(iterable)] * n
    return izip_longest(fillvalue=fillvalue, *args)

def prot(rna):
    rnaList = ["".join(t) for t in grouper(rna, 3)]
    ...

另请注意，您可以使用

peptide.append(codon_table[rnaList[i]])

和

return "".join(peptide)

简化您的代码。

Answer 2

这不能解答您的问题，但请注意您可以使用BioPython非常简洁地解决这个问题：

from Bio.Seq import Seq
from Bio.Alphabet import IUPAC

def rna2prot(rna):
    rna = Seq(rna, IUPAC.unambiguous_rna)
    return str(rna.translate(to_stop=True))

例如：

>>> print rna2prot('AUGGCCAUGGCGCCCAGAACUGAGAUCAAUAGUACCCGUAUUAACGGGUGA')
MAMAPRTEINSTRING

Answer 3

将rna分解为3-char块的代码有点令人讨厌;你花了很多时间打破和重建字符串，没有真正的目的。

构建codon_table只需要进行一次，而不是每次运行你的函数。

这是一个简化版本：

from itertools import product, takewhile

bases = "UCAG"
codons = ("".join(trio) for trio in product(bases, repeat=3))
amino_acids = 'FFLLSSSSYY**CC*WLLLLPPPPHHQQRRRRIIIMTTTTNNKKSSRRVVVVAAAADDEEGGGG'
codon_table = dict(zip(codons, amino_acids))

def prot(rna):
    rna_codons = [rna[i:i+3] for i in range(0, len(rna) - 2, 3)]
    aminos = takewhile(
        lambda amino: amino != "*",
        (codon_table[codon] for codon in rna_codons)
    )
    return "".join(aminos)

罗莎琳德将rna转化为蛋白质蟒蛇

3 个答案: