更改列表中的索引

Question

我的数据中有字符串，在我的输出中看起来像这样：

string_sequence = 'MLSPDLPDSAWNTRLLCRVMLCLLGAGSVAAGVIQSPRHLIKEKRETATLKCYPIPRHDTVYWYQQGPGQDPQFLISFYEKMQSDKGSIPDRFSAQQFSDYHSELNMSSLELGDSALYFCASSL'

在下一步中，我必须用 typsin-enzym 消化这个氨基酸序列，它将序列从字符串 K 和 R 中分离出来，但如果有 P 它就没有。
输出是我需要的肽，并保存在列表的数据类型中，如下所示：

list_sequence =    ['MLSPDLPDSAWNTR', 'LLCR', 'VMLCLLGAGSVAAGVIQSPR', 'HLIK', 'EK', 'R', 'ETATLK', 'CYPIPR', 'HDTVYWYQQGPGQDPQFLISFYEK', 'MQSDK', 'GSIPDR', 'FSAQQFSDYHSELNMSSLELGDSALYFCASSL']

现在我的索引有问题，我可以在我的数据库中找到它。
在氨基酸序列的第 18 位是V。
我现在必须在我的列表数据类型中的完全相同的位置找到V。
我可以通过手工计算氨基酸来找到这一点，但在 1000 个氨基酸的序列长度中，这可能是个问题。

我现在的想法是这样的：
我知道每个list_sequence[i]的索引都是以0开头的。

有什么办法，我可以在我的代码中说list_sequence[1] 中的索引以len(list_sequence[0]) 开头，list_sequence[2] 的索引以18 开头。所以在最后一个位置之后的下一个数字list_sequence-index.

感谢您的贡献！

Answer 1

不，你不能。也许最易读的方法是存储链接到序列本身的每个序列的大小，或者存储一个累积的大小增量。

list_sequence =    ['MLSPDLPDSAWNTR', 'LLCR', 'VMLCLLGAGSVAAGVIQSPR', 'HLIK', 'EK', 'R', 'ETATLK', 'CYPIPR', 'HDTVYWYQQGPGQDPQFLISFYEK', 'MQSDK', 'GSIPDR', 'FSAQQFSDYHSELNMSSLELGDSALYFCASSL']

cumulative = 0
for idx, item in enumerate(list_sequence):
  len_item = len(item)
  list_sequence[idx] = (item, len_item, cumulative)
  cumulative += len_item

print(list_sequence) 

输出（每个列表的第一个元素是你的 sub_sequence，第二个是它的长度，第三个是你的初始完整序列中子序列的起始 idx）

[('MLSPDLPDSAWNTR', 14, 0), ('LLCR', 4, 14), ('VMLCLLGAGSVAAGVIQSPR', 20, 18), ('HLIK', 4, 38), ('EK', 2, 42), ('R', 1, 44), ('ETATLK', 6, 45), ('CYPIPR', 6, 51), ('HDTVYWYQQGPGQDPQFLISFYEK', 24, 57), ('MQSDK', 5, 81), ('GSIPDR', 6, 86), ('FSAQQFSDYHSELNMSSLELGDSALYFCASSL', 32,92)]

Answer 2

您可以通过创建一个为您进行索引映射的类来处理这个问题：

class sequence:
    def __init__(self, seq):
        self.amino_seq=seq
        self.__split__sequence__()

    def __split__sequence__(self):
        #self.peptides =list()
        self.peptides_offset = list()
        count = 0
        for i in range(0, len(self.amino_seq)):
            if self.amino_seq[i]=='K' or self.amino_seq[i]=='R':
                #self.peptides.append(self.amino_seq[count:i+1])
                self.peptides_offset.append(count)
                count = i+1
        #self.peptides.append(self.amino_seq[count:len(self.amino_seq)])
        self.peptides_offset.append(len(self.amino_seq))

    def __getitem__(self, i):
        return self.amino_seq[i]

    def peptide(self, i):
        return self.amino_seq[self.peptides_offset[i]:self.peptides_offset[ i + 1]]

    def peptide_amino(self, tup):
        if tup[1]<0:
            return self.amino_seq[self.peptides_offset[tup[0]]]
        else:
            return self.amino_seq[self.peptides_offset[tup[0]] + tup[1]]

    def peptide_offset(self, tup):
        if tup[1]<0:
            return self.peptides_offset[tup[0]]
        else:
            return self.peptides_offset[tup[0]] + tup[1]

    def get_peptide_tuple(self, i):
        count=0
        for j in self.peptides_offset:
            if j>=i:
                return (count, i-j)
            count = count+1
        return (-1,-1)

    def get_number_of_peptides(self):
        return len(self.peptides_offset)-1

然后你可以像这样使用它：

for i in range(0,seq.get_number_of_peptides()):
    print seq.peptide(i)

print seq[18]
print seq.peptide_amino((2,0))
print seq.peptide_offset((2,0))
print seq[seq.peptide_offset((2,0))]
print seq.get_peptide_tuple(18)
print seq[seq.peptide_offset(seq.get_peptide_tuple(18))]

哪个输出

MLSPDLPDSAWNTR
有限责任公司
VMLCLLGAGSVAAGVIQSPR
HLIK
EK
R
ETATLK CYPIPR
HDTVYWYQQGPGQDPQFLISFYEK
MQSDK
GSIPDRFSAQQFSDYHSELNMSSLELGDSALYFCASSL
V
V
18
V
(2, 0)
五

好处还在于class 也只存储序列和偏移映射，但从不存储肽的拆分序列。