Question

我有一个DNA序列，并希望使用Python获得它的反向补码。它位于CSV文件的其中一列中，我想将反向补码写入同一文件中的另一列。棘手的部分是，有一些单元格不同于A，T，G和C.我能够通过这段代码获得反向补充：

def complement(seq):
    complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} 
    bases = list(seq) 
    bases = [complement[base] for base in bases] 
    return ''.join(bases)
    def reverse_complement(s):
        return complement(s[::-1])

    print "Reverse Complement:"
    print(reverse_complement("TCGGGCCC"))

但是，当我尝试使用下面的代码找到补充词典中不存在的项目时，我只是获得了最后一个基础的补充。它不会迭代。我想知道如何解决它。

def complement(seq):
    complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} 
    bases = list(seq) 
    for element in bases:
        if element not in complement:
            print element  
        letters = [complement[base] for base in element] 
        return ''.join(letters)
def reverse_complement(seq):
    return complement(seq[::-1])

print "Reverse Complement:"
print(reverse_complement("TCGGGCCCCX"))

Answer 1

其他答案非常好，但如果你打算处理真正的DNA序列，我建议你Biopython。如果你遇到像“ - ”，“*”或不确定的字符怎么办？如果您想进一步操作序列怎么办？你想为每种文件格式创建一个解析器吗？

您要求的代码非常简单：

from Bio.Seq import Seq

seq = Seq("TCGGGCCC")

print seq.reverse_complement()
# GGGCCCGA

现在，如果你想进行另一次转换：

print seq.complement()
print seq.transcribe()
print seq.translate()

输出

AGCCCGGG
UCGGGCCC
SG

如果您遇到奇怪的字符，则无需继续向您的程序添加代码。 Biopython处理它：

seq = Seq("TCGGGCCCX")
print seq.reverse_complement()
# XGGGCCCGA

Answer 2

通常，生成器表达式比原始代码更简单，并避免创建额外的列表对象。如果可以有多个字符插入，请与其他答案一起使用。

complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
seq = "TCGGGCCC"
reverse_complement = "".join(complement.get(base, base) for base in reversed(seq))

Answer 3

import string
old_chars = "ACGT"
replace_chars = "TGCA"
tab = string.maketrans(old_chars,replace_chars)
print "AAAACCCGGT".translate(tab)[::-1]

会给你反向补码= A GGGTTTT

Answer 4

如果字符不在字典中，则字典的get方法允许您指定默认值。作为预处理步骤，我会映射您的所有非ATGC＆＃39;基于单个字母（或标点符号或数字或任何不会出现在序列中的东西），然后反转序列，然后将单个字母替换为原始字母。或者，您可以先将其撤消，然后使用sni搜索并替换ins之类的内容。

alt_map = {'ins':'0'}
complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} 

def reverse_complement(seq):    
    for k,v in alt_map.iteritems():
        seq = seq.replace(k,v)
    bases = list(seq) 
    bases = reversed([complement.get(base,base) for base in bases])
    bases = ''.join(bases)
    for k,v in alt_map.iteritems():
        bases = bases.replace(v,k)
    return bases

>>> seq = "TCGGinsGCCC"
>>> print "Reverse Complement:"
>>> print(reverse_complement(seq))
GGGCinsCCGA

Answer 5

def ReverseComplement(Pattern):
    revcomp = []
    x = len(Pattern)
    for i in Pattern:
        x = x - 1
        revcomp.append(Pattern[x])
    return ''.join(revcomp)

# this if for the compliment 

def compliment(Nucleotide):
    comp = []
    for i in Nucleotide:
        if i == "T":
            comp.append("A")
        if i == "A":
            comp.append("T")
        if i == "G":
            comp.append("C")
        if i == "C":
            comp.append("G")

    return ''.join(comp)

Answer 6

尝试下面的代码，

complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
seq = "TCGGGCCC"
reverse_complement = "".join(complement.get(base, base) for base in reversed(seq))

Answer 7

最快的一种逆向补形如下：

def rev_compl(st):
    nn = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
    return "".join(nn[n] for n in reversed(st))

Answer 8

还要考虑简并碱基：

def rev_compl(seq):
    BASES ='NRWMBDACGTHVKSY'
    return ''.join([BASES[-j] for j in [BASES.find(i) for i in seq][::-1]])

使用Python反向补充DNA链

8 个答案: