BioPython ① | 统计蛋白序列中20种氨基酸的的个数和频率

统计蛋白序列中20种氨基酸的的个数和频率

题目

MNAPERQPQPDGGDAPGHEPGGSPQDELDFSILFDYEYLNPNEEEPNAHKVASPPSGPAYPDDVLDYGLKPYSPLASLSGEPPGRFGEPDRVGPQKFLSAAKPAGASGLSPRIEITPSHELIQAVGPLRMRDAGLLVEQPPLAGVAASPRFTLPVPGFEGYREPLCLSPASSGSSASFISDTFSPYTSPCVSPNNGGPDDLCPQFQNIPAHYSPRTSPIMSPRTSLAEDSCLGRHSPVPRPASRSSSPGAKRRHSCAEALVALPPGASPQRSRSPSPQPSSHVAPQDHGSPAGYPPVAGSAVIMDALNSLATDSPCGIPPKMWKTSP

提示和要求：用循环、字典等实现，并将频率输出到名为D:\test\frq.txt的文本文件中，且文件的第一行必须是标题行，包含20列，每一列为对应氨基酸的单字母符号，列间用Tab键’\t’分割。

解答过程

这题用过一个字符串的count()函数会比较简单实现统计频数的操作。

# -*- coding: utf-8 -*-
# @Author  : 张英豪
# @Time    : 2022-11-30
# @Function: 统计蛋白质序列中氨基酸的频率

# 蛋白质序列
Protein_Sequence = 'MNAPERQPQPDGGDAPGHEPGGSPQDELDFSILFDYEYLNPNEEEPNAHKVASPPSGPAYPDDVLDYGLKPYSPLASLSGEPPGRFGEPDRVGPQKFLSAAKPAGASGLSPRIEITPSHELIQAVGPLRMRDAGLLVEQPPLAGVAASPRFTLPVPGFEGYREPLCLSPASSGSSASFISDTFSPYTSPCVSPNNGGPDDLCPQFQNIPAHYSPRTSPIMSPRTSLAEDSCLGRHSPVPRPASRSSSPGAKRRHSCAEALVALPPGASPQRSRSPSPQPSSHVAPQDHGSPAGYPPVAGSAVIMDALNSLATDSPCGIPPKMWKTSP'
# 氨基酸的种类
Amino_Acid_type = 'ACDEFGHIKLMNPQRSTVWY'
# 统计氨基酸的频率，保留三位小数
Amino_Acid_freq = {}
for i in range(len(Amino_Acid_type)):
    Amino_Acid_freq[Amino_Acid_type[i]] = round(Protein_Sequence.count(Amino_Acid_type[i]) / len(Protein_Sequence),3)

# 创建并打开一个文本文件
file = open('D:/test/frq.txt', 'w')
for k in Amino_Acid_freq.keys():
    file.write(str(k) + '\t')
file.write('\n')
for v in Amino_Acid_freq.values():
    file.write(str(v) + '\t')
# 关闭文件
file.close()