寻找 DNA 序列的互补序列

Question

我必须将 DNA 序列的互补序列翻译成氨基酸

TTTCAATACTAGCATGACCAAAGTGGGAACCCCCTTACGTAGCATGACCCATATATATATATATA
TATATATATATATATGGGTCATGCTACGTAAGGGGGTTCCCACTTTGGTCATGCTAGTATTGAAA
+1 TyrIleTyrIleTyrGlySerCysTyrValArgGlyPheProLeuTrpSerCysStpTyrStp
+2 IleTyrIleTyrMetGlyHisAlaThrOc*GlyGlySerHisPheGlyHisAlaSerIleglu
+3 TyrIleTyrIleTrpValMetLeuArgLysGlyValProThrLeuValMetLeuValLeuLys

• 第一个序列是正常序列，
• 第二个是互补序列，
• 带+1的是我的互补序列对应的氨基酸序列
• +2 的氨基酸序列对应于我从第二个碱基开始的互补序列
• +3 的氨基酸序列对应于我的互补序列，从第三个碱基开始

我已经尝试了下一个代码来获得我的结果，但是我只得到了一个补码序列。没有分割。

seq = "CCGGAAGAGCTTACTTAG"
basecomplement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}

def translate(seq):

    x = 0
    aaseq = []
    while True:
        try:
            aaseq.append(basecomplement[seq[x:x+1]])
            x += 1

        except (IndexError, KeyError):
            break
    return aaseq

for frame in range(1):
    #print(translate(seq[frame:]))

    rseqn= (''.join(item.split('|')[0] for item in translate(seq[frame:])))

    rseqn = list(rseqn)
    rseqn.reverse()

    print( rseqn)

有人可以帮我得到我的结果吗？？

Answer 1

您似乎获取了一些代码并尝试使用它，但完全不了解它的作用。如果您阅读linked question，您会注意到该问题中的海报有一个由| 分隔的氨基酸代码字符串字典。对split 的调用是提取每个代码字符串的第二部分，例如从"F|Phe" 你想得到"Phe"，这就是为什么那个海报需要split。你没有那种字符串，所以你不应该使用那部分代码。

我会同意 joaquin 的建议，即使用 BioPython，因为它显然是适合这项工作的工具，但出于学习目的：首先你需要知道的是你有四个任务要完成：

1. 计算 DNA 碱基序列的反向互补
2. 将反向互补序列分成 3 个碱基组
3. 将每个组转换为氨基酸代码
4. 将氨基酸代码组合成一个字符串

链接答案中的代码不处理第一步。为此，您可以使用 Python 字符串对象的 translate 方法。首先，您使用maketrans 生成一个翻译字典，该字典将映射 key => value，

basecomplement = str.maketrans({'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'})

然后你可以写一个方法来产生反向补码，

def reverse_complement(seq):
    return seq.translate(basecomplement)[::-1]

joaquin 对另一个问题的回答的 translate 方法实现了步骤 2 和 3。实际上可以使用来自 itertools 的 grouper 配方更有效地完成它。首先，您需要一个将碱基三元组映射到氨基酸的字典，

amino_acids = {'TAT': 'Tyr', ...}

然后您可以使用它来转换任何碱基序列，

amino_acids[''.join(a)] for a in zip(*([iter(rseq)]*3))

作为解释，zip(*([iter(rseq)]*3)) 一次将三个字符分组。但它是作为元组而不是字符串的，例如对于'TATATA'，你会得到('T', 'A', 'T'), ('A', 'T', 'A')，所以你需要加入每个元组来创建一个字符串。这就是''.join(a) 所做的。然后在氨基酸表中查找字符串，由amino_acids[...]完成。

最后，您需要将所有生成的氨基酸代码连接在一起，这可以通过外部''.join(...) 来完成。所以你可以定义一个这样的方法：

def to_amino_acids(seq):
    return ''.join(amino_acids[''.join(a)] for a in zip(*([iter(rseq)]*3)))

请注意，您不需要.split('|')，除非您的amino_acids 字典包含由| 分隔的多个表示形式。

最后，要对将碱基转换为氨基酸的三种不同可能方式（即三个框架）执行此操作，您将使用类似于 joaquin 答案中的最后一个循环的东西，

rseq = reverse_complement(seq)
for frame in range(3):
    # print the frame number
    print('+', frame+1, end=' ')
    # translate the base sequence to amino acids and print it
    print(to_amino_acids(rseq[frame:]))

请注意，此循环运行 三 次，以打印三个不同的帧。如果你只是想让它运行一次，那么有一个循环是没有意义的。

Answer 2

用途：

for frame in range(1):
    rseqn = reversed([item for item in translate(seq[frame:])])
    rseqn = ''.join(rseqn)

    print(rseqn)

这会产生正确的互补（反向）序列：

CTAAGTAAGCTCTTCCGG

请注意，您不需要 for 循环（当前的循环实际上什么都不做）来确定 DNA 或 RNA 互补序列，因为它独立于翻译框架。

话虽如此，但我必须强调所有如果您开始使用 BioPython 进行生物信息学任务，您的代码可以简化为四行：

>>> from Bio import SeqIO
>>> from Bio.Alphabet import NucleotideAlphabet
>>> dna = SeqIO.Seq("CCGGAAGAGCTTACTTAG", NucleotideAlphabet())
>>> dna.reverse_complement()
Seq('CTAAGTAAGCTCTTCCGG', NucleotideAlphabet())
>>> 

Answer 3

我已经清理了一些代码：

seq = "CCGGAAGAGCTTACTTAG"
basecomplement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}

def translate(seq):
    aaseq = []
    for character in seq:
        aaseq.append(basecomplement[character])
    return aaseq

for frame in range(1):
    rseqn= (''.join(item.split('|')[0] for item in translate(seq[frame:])))
    rseqn = rseqn[::-1]
    print( rseqn)

看看这是否适合你。

您正在做的是将 rseqn 转换为列表，反转列表并打印列表。我编写的代码从未将 rseqn 转换为列表。 rseqn 最初是一个字符串，rseqn = rseqn[::-1] 行会为您反转字符串。所以，最后，你打印的是一个字符串而不是一个列表，因此没有拆分。