生物信息学 - 氨基酸的常见基序

Question

我正在尝试生成一个能够编码所选氨基酸的核苷酸基序。例如 - 组氨酸由CAT，CAC编码。精氨酸是CGT，CGC，CGA，CGG，AGA和AGG。模式是：

1. 在密码子中的位置 - C或A

2. 在密码子中的位置 - A或G

3. 位置 - A，T，C或G

根据该规则，您可以定义所选择的氨基酸（H和R）以及我不想要的氨基酸（例如AAA是赖氨酸，AAT是天冬酰胺......）。因此，我需要定义仅匹配我选择的AA的模式，如果上面的情况可以是：[C] [A或G] [T]，该模式仅定义组氨酸和精氨酸，但不定义其他氨基酸。我正在尝试制定一个算法，用我选择的任何氨基酸（超过两个）做这个事情，如果模式不存在，它应该找到更少氨基酸的可能性（例如，如果5个氨基酸的模式如果不存在，它将从查询中找到四种氨基酸的模式） - 这个最终的优化问题可能是最难的部分。有什么建议？非常感谢，抱歉我的英语很差。

Answer 1

我会分两步完成。首先，使用密码子到氨基酸的映射将核苷酸序列翻译成氨基酸序列（CAT映射到H，CAC映射到H，{{1 }}映射到CGT，R映射到CGC等。其次，使用Boyer-Moore算法搜索特定的氨基酸序列，或者如果需要，可以搜索正则表达式＆＃34;通配符＆＃34;或选项组。

Answer 2

我更喜欢PHP，JS开发人员，但代码的逻辑仍然相同。 下图是定义不同氨基酸及其代码的图表。

http://wang.salk.edu/images/fig2.jpg

我建议你做这样的事情： $ all_aas = {CGC =＆gt; A，CGA =＆gt; A，CGG =＆gt; A，AGA =＆gt;一个， ....}; //定义所有氨基酸

$ chosen_aas = {CAT =＆gt; H，CGA =＆gt;一个]; //定义你选择的所有氨基酸

$ lesser_aas = {CGT =＆gt; H，CGC =＆gt; H]; //定义那些不太优选的氨基酸

$ final_aa_seq =＆＃39;＆＃39 ;; //最终的氨基酸串

我正在使用Python上面的词典来完成它。它基本上是一个键值对。

现在，每当你得到一个nulcoetide序列。您所需要做的就是：

1. 运行for循环，使用子字符串查找三个字符集。

2. 在$ chosen_aas数组中搜索匹配项;将找到的代码附加到
   $ final_aa_seq

3. 如果在$ chosen_aas中找不到，请在$ lesser_aas中搜索字符串;将找到的代码附加到
   $ final_aa_seq

4. 运行所有完整的for循环并输出字符串。

如果您需要更多逻辑，请告诉我。

Answer 3

问题解决了：

1）我制作了一个来自choise氨基酸的所有密码子的文库（例如Met和Trp是AUG和UGG - 因此所有组合的文库由[A / U] [U / G] [G] - AUG组成，AGG，UUG，UGG

2）创建了两个列表 - 第一个“好”氨基酸 - AUG，UGG和第二个“坏” - AGG，UUG

3）计算剩下的“好”氨基酸的量，如果我去除一个特定的核苷酸（如果我在第二个位置移除U，我丢失了我的AUG中的蛋氨酸 - 所以对于U在第二个位置，数字是1）每个位置的核苷酸

4）接下来的“坏”密码子被分析每个位置中每个核苷酸的出现（对于密码子AGG和UUG，我在第三个中具有2x G，在第二个中具有1xG，在第一个中具有1x U等）。

5）在这些步骤之后，我只是从步骤4）中取出最高数字，查看步骤3）中的列表以及是否可以无害地去除第三位的G而没有任何良好氨基酸损失（在我们的例如，但可以在较大的密码子集中完成） - 我删除所有密码子，其中G位于第三位，编辑“好”和“坏”密码子列表，然后再次进入步骤3）