如何使用 BioPython 解析模棱两可的字符答案

【问题标题】：How to parse ambiguous characters with BioPython如何使用 BioPython 解析模棱两可的字符
【发布时间】：2012-06-21 05:43:49
【问题描述】：

我是 Python 和一般编程的新手。我已经安装了 BioPython，希望它的一些组件可以帮助我编写一个脚本。该脚本需要处理许多 xread 文件，每个文件都包含一个矩阵，我需要以多种方式对其进行切片。我希望已经存在一个序列数据类型或类（有区别吗？），它允许以非 IUPAC 格式编码的不明确字符的序列所需的奇怪方式进行索引。例如，在序列中。

2-123[01]3-22

字符串文字 [01] 中的字符表示所表示的 DNA 序列中的单个模棱两可的字符，0 或 1。所以切片[-6:] 应该返回3[01]3-22。我在 BioPython 文档中找不到任何关于此的内容，尽管我可能忽略了它。如果 BioPython 中有一些东西可以做到这一点，请您指出相关文档吗？

谢谢。

【问题讨论】：

标签： python parsing sequence biopython

【解决方案1】：

我不是 BioPython 专家，但您可以定义自己的类以按照您需要的方式工作。您需要先解析它，也许使用regular expressions。例如：

import re
class Sequence(list):
    def __init__(self, s):
        if isinstance(s, str):
            self.extend(re.findall(r'[^\[\]]|\[\d+\]', s))
        else:
            list.__init__(self, s)
    def __str__(self):
        return ''.join(self)
    def __getslice__(self, i, j):
        l = list(self)
        return Sequence(l[i:j])

测试它：

In [1]: seq = Sequence('2-123[01]3-22')

里面是一个列表……

In [2]: seq
Out[2]: ['2', '-', '1', '2', '3', '[01]', '3', '-', '2', '2']

但表现得像一个字符串！

In [3]: print seq
2-123[01]3-22
In [4]: print seq[-6:]
3[01]3-22

也许您需要定义其他一些methods 以获得所需的行为。

【讨论】：

这看起来很有希望。我需要一些时间来处理它，但我会让你知道它是怎么回事。
@pyrogerg 当然，如果 BioPython 实现了它，那对于初学者来说会更容易。但这个答案旨在展示如何做到这一点。随时问。