Question

我试图找到具有三肽的序列。三肽可以跟随其他任何氨基酸，除了＆＃39; P＆＃39;。我用以下方法提取它们。

from Bio import SeqIO
RGD = [] 
for record in SeqIO.parse("input.fasta", "fasta"):
    rgd_count = record.seq.count('RGD')
    if rgd_count >= 1:
        RGD.append(record) 
SeqIO.write(RGD, "RGD_Proteins.fasta", "fasta")

如何在此引入正则表达式，RGD（N）除了RGDP之外没什么问题？

提前致谢。

AP

Answer 1

您可以使用re.findall查找str(record.seq)中正则表达式匹配的所有非重叠事件。替换record.seq.count('RGD')

len(re.findall(r"RGD(?!P)", str(record.seq)))

另外，请务必添加import re。

RGD(?!P)模式与未跟RGD后跟的P子字符串匹配。 (?!P)被称为否定前瞻，如果在当前位置的右侧立即找到其模式，则会使匹配失败。

请参阅Regular-Expressions.info "Lookarounds" section。

请参阅regex demo。

使用Biopython找到蛋白质序列中的模式

1 个答案: