DNA提取蟒蛇答案

【问题标题】：DNA extraction pythonDNA提取蟒蛇
【发布时间】：2012-04-26 17:44:14
【问题描述】：

现在，我需要找到一种方法，让 Python 可以找到上述代码的密码子位置 5 并提取该序列直到位置 12 (ATGG*CTTTACCTCGTC*TCACAGGAG)。所以输出应该是这样的：

>CCODE1112_5..11
 CTTTACCTCGTC

如何告诉 python 在第一个“_”之后获取开始值，在“..”之后获取结束值，以便它可以自动完成？ ?谢谢！！！

【问题讨论】：

docs.python.org/library/stdtypes.html#str.find
还有docs.python.org/tutorial/inputoutput.html
你应该明确你想要做什么；没有冒犯，但描述有点模棱两可，例如“密码子位置 5”、“提取”等。
密码子也可以由多个独特的核苷酸三联体编码。见en.wikipedia.org/wiki/DNA_codon_table
虽然这个简单的操作可以通过字符串操作来实现，但我会考虑使用 Biopython 的SeqIO 与 fasta 序列进行交互，特别是如果您最终执行更复杂的操作。您可以在Tutorial and Cookbook 中找到详细的文档

标签： object-tag

【解决方案1】：

def extractseq( queryseq , begin=5, end =12):
   queryseq=queryseq.split('\n')#transform the string in a list of lines included in the string

   return queryseq[1][begin-1:end-1]

我认为这个函数应该可以工作，注意python中从0开始的索引

在你的脚本中写完之后，你只需要调用函数 subs=extractseq(seq,5,12)

好吧，抱歉，如果您想提取 子字符串中包含的 5 和 12，一种简单的方法是：

substring=queryseq.split('\n')[0].split('_')[1].split('...')#extraction of the substring
begin=substring[0]
end = substring[1]

【讨论】：

好的，所以在那里你指定 begin=5，end =12，但是我如何告诉 python 在第一个“_”之后获取开始值，在“..”之后获取结束值所以它可以自动完成吗？无论如何谢谢！ :)

【解决方案2】：

我可能（叹气）使用正则表达式从 CCODE1112_5..12_ABC 中提取 5 和 12。

然后将提取的字符串转换为int。

然后在 DNA 数据的字符串切片中使用 int 作为索引。

对于正则表达式：

正则表达式 = re.compile(r'^[^]*(\d+)..(\d+)_.*$') regex.match('CCODE1112_5..12_ABC') 匹配 = regex.match('CCODE1112_5..12_ABC') 匹配组（1） '5' 匹配组（2） '12'

例如，要将它们转换为 int，请使用 int(match.group(1))。

那么你的索引是从 1 开始的，而 python 是从 0 开始的。此外，python 切片的起点是您想要的值，python 切片的终点是您想要的值的一个以上。所以从 group(1) 中减去一个，让 group(2) 一个人呆着。

类似：子串 = dna_data[left_point-1:right_point]

【讨论】：