Question

我有一个包含三个字母氨基酸代码和RNA序列的字符串。我想按照出现在字符串中的确切顺序提取氨基酸代码。

raw_seq = '''GGACUAGCGGAGGCUAGUCC
METGLNLYSGLYASNPHEARGASNGLNARGLYSTHRVAL
LYSCYSPHEASNCYSGLYLYSGLUGLYHISILEALALYS
ASNCYSARGALAPROARGLYSLYSGLYCYSTRPLYSCYS
GLYLYSGLUGLYHISGLNMETLYSASPCYSTHRGLUARG
GLNALAASN'''
ascodes = ['ALA','ARG','ASN','ASP','ASX','CYS','GLU','GLN','GLX','GLY','HIS','ILE','LEU','LYS','MET','PHE','PRO','SER','THR','TRP','TYR','VAL']
for amino in ascodes:
    if amino in raw_seq:
        print(amino)

我的代码按字母顺序返回氨基酸序列，这破坏了其所有生物学功能。我也尝试过regex，但无法提出合适的模式。

Answer 1

有点技巧，但将re.findall与str.join一起使用，以确保输出按raw_seq的出现顺序排列：

import re

re.findall('|'.join(ascodes), raw_seq)

输出：

['MET',
 'GLN',
 'LYS',
 ...
 'ARG',
 'GLN',
 'ALA',
 'ASN']

Answer 2

您可以遍历所有字符，并检查氨基酸列表中是否包含当前字符和以下2个字符。

for i in range(len(raw_seq)):
    amino = raw_seq[i:i+3]
    if amino in ascodes:
        print(amino)

哪个给出以下结果：

['MET'，'GLN'，'LYS'，'GLY'，'ASN'，'PHE'，'ARG'，'ASN'，'GLN'，'ARG'，'GLY'，'LYS '，'THR'，'VAL'，'LYS'，'CYS'，'PHE'，'ASN'，'CYS'，'GLY'，'LYS'，'GLU'，'GLY'，'HIS'， 'ILE'，'ALA'，'LYS'，'ASN'，'CYS'，'ARG'，'ALA'，'PRO'，'ARG'，'GLY'，'LYS'，'LYS'，'GLY '，'CYS'，'TRP'，'LYS'，'CYS'，'GLY'，'LYS'，'GLU'，'GLY'，'HIS'，'GLN'，'MET'，'LYS'， 'ASP'，'CYS'，'THR'，'GLU'，'ARG'，'GLN'，'ALA'，'ASN']

Answer 3

raw_seq = '''GGACUAGCGGAGGCUAGUCC
METGLNLYSGLYASNPHEARGASNGLNARGLYSTHRVAL
LYSCYSPHEASNCYSGLYLYSGLUGLYHISILEALALYS
ASNCYSARGALAPROARGLYSLYSGLYCYSTRPLYSCYS
GLYLYSGLUGLYHISGLNMETLYSASPCYSTHRGLUARG
GLNALAASN'''

ascodes = ['ALA','ARG','ASN','ASP','ASX','CYS','GLU','GLN','GLX','GLY','HIS','ILE','LEU','LYS','MET','PHE','PRO','SER','THR','TRP','TYR','VAL']

raw_seq = raw_seq.replace('\n','')

sep_set =[ raw_seq[i:i+3] for i in range(len(raw_seq)-2)] 

result =[i for i in sep_set if i in ascodes]
"""
output 

['MET', 'GLN', 'LYS', 'GLY', 'ASN', 'PHE', 'ARG', 'ASN', 'GLN', 'ARG', 'GLY', 'LYS', 'THR', 'VAL', 'LYS', 'CYS', 'PHE', 'ASN', 'CYS', 'GLY', 'LYS', 'GLU', 'GLY', 'HIS', 'ILE', 'ALA', 'LYS', 'ASN', 'CYS', 'ARG', 'ALA', 'PRO', 'ARG', 'GLY', 'LYS', 'LYS', 'GLY', 'CYS', 'TRP', 'LYS', 'CYS', 'GLY', 'LYS', 'GLU', 'GLY', 'HIS', 'GLN', 'MET', 'LYS', 'ASP', 'CYS', 'THR', 'GLU', 'ARG', 'GLN', 'ALA', 'ASN']

"""

以准确的顺序提取子字符串

3 个答案: