Rosalind 017 Finding a Protein Motif

最新推荐文章于 2024-08-24 11:00:49 发布

Kyookk

最新推荐文章于 2024-08-24 11:00:49 发布

阅读量106

点赞数

分类专栏：生物信息文章标签： python

本文链接：https://blog.csdn.net/weixin_45848873/article/details/127956427

版权

生物信息专栏收录该内容

44 篇文章 0 订阅

订阅专栏

背景：

如“将RNA翻译成蛋白质”中所述，蛋白质在细胞中执行所有实际功能。蛋白质的结构和功能单位是蛋白质结构域：就蛋白质的一级结构而言，结构域是可以进化和独立运行。

每个结构域通常对应于蛋白质的单个功能（例如，将蛋白质与DNA结合，产生或破坏特定的化学键等）。一些蛋白质，如肌红蛋白和细胞色素复合物，只有一个结构域，但许多蛋白质是多功能的，因此具有多个结构域。甚至可以人为地将不同的结构域融合成具有明确性质的蛋白质分子，产生嵌合蛋白。

就像物种一样，蛋白质可以进化，形成称为蛋白质家族的同源群体。来自一个家族的蛋白质通常具有相同的结构域集，执行相似的功能。

对其功能至关重要的域的一个组成部分称为主题，该术语通常与核酸的含义相同，尽管也使用了许多其他术语（块、签名、指纹等）通常蛋白质基序在进化上是保守的，这意味着它们在不同物种中没有太大变化。

蛋白质在世界各地的不同实验室中被鉴定，并收集到可免费访问的数据库中。蛋白质数据的中央存储库是UniProt，它提供详细的蛋白质注释，包括功能描述、结构域结构和翻译后修饰。 UniProt 还支持蛋白质相似性搜索、分类分析和文献引用。

https://rosalind.info/problems/mprt/

问题：

为了允许其不同形式的存在，蛋白质基序由简写表示如下： [XY] 表示“X 或 Y”，{X} 表示“除 X 以外的任何氨基酸”。例如，N-糖基化基序写为 N{P}[ST]{P}。

我们可以通过访问ID查看特定蛋白质的完整描述和特征 UniProt 数据库中的“uniprot_id”，方法是将 ID 号插入

http://www.uniprot.org/uniprot/uniprot_id

或者，可以通过以下方式获得FASTA 格式的蛋白质序列

http://www.uniprot.org/uniprot/uniprot_id.fasta

例如，蛋白质B5ZC00的数据可以在 http://www.uniprot.org/uniprot/B5ZC00 找到。

给出最多 15 个 UniProt 蛋白质数据库访问 ID。

返回对于具有N-糖基化基序的每种蛋白质，输出其给定的访问ID 通过蛋白质串中可以找到基序的位置列表。

例子：

input：

A2Z669
B5ZC00
P07204_TRBM_HUMAN
P20840_SAG1_YEAST

output：

B5ZC00
85 118 142 306 395
P07204_TRBM_HUMAN
47 115 116 382 409
P20840_SAG1_YEAST
79 109 135 248 306 348 364 402 485 501 614

代码：

import re
import requests
proteins = []
with open('文件所在目录') as fp:
    for lines in fp:
        proteins.append(lines.replace('\n',''))
"""        
proteins = ['A2Z669','B5ZC00','P07204_TRBM_HUMAN','P20840_SAG1_YEAST']
"""
for i in proteins:
    res = []
    res.append(i)
    if '_' in i:
        i = i.split('_')[0]   #保留蛋白质编号
    seq = ''
    url = 'http://www.uniprot.org/uniprot/' + i + '.fasta'
    response = requests.get(url=url).text #爬虫爬取网页
    index_pos = response.find('\nM')   #找到蛋白质序列开始位置
    seq+=response[index_pos:].replace('\n','')  #组合成完整的蛋白质序列
    find = re.compile(r'N(?=[^P][ST][^P])')
    f = re.finditer(find,seq)
    for _ in f:
        res.append(str(_.span()[1]))
    if len(res)>1:
        print(res[0])
        print(' '.join(res[1:]))