Python在生物学领域的简单应用——处理DNA序列

最新推荐文章于 2023-04-13 19:11:21 发布

CCH²¹

最新推荐文章于 2023-04-13 19:11:21 发布

阅读量9k

点赞数 17

分类专栏： Python 文章标签： Python

本文链接：https://blog.csdn.net/qq_45554010/article/details/103215709

版权

DNA的反向互补序列

假设我们有一串DNA序列，存在一个名为“dna.txt”的文本文档中。那么，我们该如何用Python输出它的反向序列、互补序列以及反向互补序列呢？
在这之前，我们不妨定义一个函数，用来打开并读取txt文件。我们把这个函数命名为read_seq()，这个函数的参数为我们的文件路径。需要注意的一点是，在dna.txt文件中，存在着换行符\n和回车符\r（如下图所示），而我们只需要用到代表碱基序列的大写字母。我们可以用replace()方法来替换掉它们。
Alt
最终，我们定义的read_seq()函数如下：

def read_seq(inputfile):
    file = open(inputfile, "r")
    seq = file.read()
    seq = seq.replace("\n", "")
    seq = seq.replace("\r", "")
    return seq

接下来，我们需要定义dna_complement()，dna_reverse()和dna_revcomp()三个函数。在定义dna_complement()函数的时候，和上面替换换行符和回车符同样的道理，我们可以用replace()方法来替换字符串中代表碱基的大写字母。而定义后两个函数明显容易得多，我们只需要让字符串反向输出就可以了。我们定义的dna_complement()，dna_reverse()和dna_revcomp()三个函数如下所示：

def dna_complement(seq):
    seq = seq.upper()
    seq = seq.replace('A', 'T')
    seq = seq.replace('T', 'A')
    seq = seq.replace('C', 'G')
    seq = seq.replace('G', 'C')
    return seq

def dna_reverse(seq):
    seq = seq.upper()
    return seq[::-1]

def dna_revcomp(seq):
    seq = seq.upper()
    return dna_complement(seq)[::-1]

完整的代码如下所示：

def dna_complement(seq):
    seq = seq.upper()
    seq = seq.replace('A', 'T')
    seq = seq.replace('T', 'A')
    seq = seq.replace('C', 'G')
    seq = seq.replace('G', 'C')
    return seq


def dna_reverse(seq):
    seq = seq.upper()
    return seq[::-1]


def dna_revcomp(seq):
    seq = seq.upper()
    return dna_complement(seq)[::-1]


def read_seq(inputfile):
    file = open(inputfile, "r")
    seq = file.read()
    seq = seq.replace("\n", "")
    seq = seq.replace("\r", "")
    return seq


if __name__ == '__main__':
    dna = read_seq("E:\\python_pycharm\\一些Python程序练习\\DNA\\dna.txt")
    print(dna)                          # 原DNA序列
    print(dna_complement(dna))          # DNA互补序列
    print(dna_reverse(dna))             # DNA反向序列
    print(dna_revcomp(dna))             # DNA反向互补序列

输出结果如下：

GGTCAGAAAAAGCCCTCTCCATGTCTACTCACGATACATCCCTGAAAACCACTGAGGAAGTGGCTTTTCAGATCATCTTGCTTTGCCAGTTTGGGGTTGGGACTTTTGCCAATGTATTTCTCTTTGTCTATAATTTCTCTCCAATCTCGACTGGTTCTAAACAGAGGCCCAGACAAGTGATTTTAAGACACATGGCTGTGGCCAATGCCTTAACTCTCTTCCTCACTATATTTCCAAACAACATGATGACTTTTGCTCCAATTATTCCTCAAACTGACCTCAAATGTAAATTAGAATTCTTCACTCGCCTCGTGGCAAGAAGCACAAACTTGTGTTCAACTTGTGTTCTGAGTATCCATCAGTTTGTCACACTTGTTCCTGTTAATTCAGGTAAAGGAATACTCAGAGCAAGTGTCACAAACATGGCAAGTTATTCTTGTTACAGTTGTTGGTTCTTCAGTGTCTTAAATAACATCTACATTCCAATTAAGGTCACTGGTCCACAGTTAACAGACAATAACAATAACTCTAAAAGCAAGTTGTTCTGTTCCACTTCTGATTTCAGTGTAGGCATTGTCTTCTTGAGGTTTGCCCATGATGCCACATTCATGAGCATCATGGTCTGGACCAGTGTCTCCATGGTACTTCTCCTCCATAGACATTGTCAGAGAATGCAGTACATATTCACTCTCAATCAGGACCCCAGGGGCCAAGCAGAGACCACAGCAACCCATACTATCCTGATGCTGGTAGTCACATTTGTTGGCTTTTATCTTCTAAGTCTTATTTGTATCATCTTTTACACCTATTTTATATATTCTCATCATTCCCTGAGGCATTGCAATGACATTTTGGTTTCGGGTTTCCCTACAATTTCTCCTTTACT