Question

我在10年后重新开始编程，现在我正在尝试学习Python。我正在做生物化学学位，并希望用编程来分析DNA序列。我需要在序列中找到所有“ga”，“gc”，“gg”和“gt”模式，并复制下游的3个碱基和两个靶碱基上游的3个碱基（ga，gc等）。到目前为止，实现它非常简单。但是我需要继续按顺序搜索，因为我的小脚本只是给我第一次出现：

seq = 'cacacgtccgccggccctcagagcccgagcgacttccgccccaggccaccgtccacccgcagaaacgcgccgacccacact'

if 'ga' in seq:
    locSplicing = seq[seq.find('ga')-3:seq.find('ga')+5]
    print(locSplicing)

if 'gg' in seq:
    locSplicing = seq[seq.find('gg')-3:seq.find('gg')+5]
    print(locSplicing)

if 'gt' in seq:
    locSplicing = seq[seq.find('gt')-3:seq.find('gt')+5]
    print(locSplicing)

if 'gc' in seq:
    locSplicing = seq[seq.find('gc')-3:seq.find('gc')+5]
    print(locSplicing)

输出：

tcagagcc
gccggccc
cacgtccg
tccgccgg

这段代码不够复杂，我知道，但我还是初学者。我不确定是否应继续使用此脚本或使用其他方法作为findall或匹配，然后使用循环（for或while）打印出所有出现（不仅是第一个）。有人可以给我一个方向吗？非常感谢！

Answer 1

当你在字符串的开头/结尾时，我必须稍微调整一下来处理它，但是这里有一些东西可以找到每个匹配的三个前辈和后继者。

>>> import re
>>> seq = 'cacacgtccgccggccctcagagcccgagcgacttccgccccaggccaccgtccacccgcagaaacgcgccgacccacact'

索引

>>> [i.start() for i in re.finditer('ga', seq)]
[20, 26, 30, 61, 71]

匹配+/- 3个元素

>>> [seq[index-3:index+5] for index in [i.start() for i in re.finditer('ga', seq)]]
['tcagagcc', 'cccgagcg', 'agcgactt', 'gcagaaac', 'gccgaccc']

现在这只是针对子字符串＆＃39; ga＆＃39;的匹配。您可以再展开一次以获得其他子串的匹配。

>>> [[seq[index-3:index+5] for index in [i.start() for i in re.finditer(s, seq)]] for s in l]
[['tcagagcc', 'cccgagcg', 'agcgactt', 'gcagaaac', 'gccgaccc'],
 ['gccggccc', 'ccaggcca'],
 ['cacgtccg', 'accgtcca'],
 ['gccggccc', 'ccaggcca']]

在Python 3中查找字符串模式并在多次出现时打印以下字符

1 个答案: