Rosalind 018 Open Reading Frames

Kyookk

已于 2022-11-21 14:40:07 修改

阅读量74

点赞数

分类专栏：生物信息文章标签： python

于 2022-11-21 14:39:13 首次发布

本文链接：https://blog.csdn.net/weixin_45848873/article/details/127964245

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：

在“ Transcribing DNA into RNA”中，我们讨论了DNA 转录为RNA，在" “Translating RNA into Protein"中，我们研究了将RNA翻译成氨基酸链以构建蛋白质。我们可以将这两个过程视为一个步骤，我们直接翻译将DNA串变成蛋白质串，因此需要DNA密码子表。

然而，当我们试图直接从 DNA到蛋白质。首先，并非所有DNA都会转录成RNA：所谓的垃圾DNA似乎对细胞功能没有实际用途。其次，我们可以在沿RNA链的任何位置开始翻译，这意味着DNA链的任何子链都可以作为翻译的模板，只要它以起始密码子开头，以终止密码子结束，并且中间没有其他终止密码子。参见图1。因此，相同的RNA链实际上可以用三种不同的方式翻译，取决于我们如何将符号的三元组分组为密码子。比如...AUGCUGAC... 可以被阅读为...AUGCUG...，或 ...UGCUGA...或...GCUGAC...；两条链都可以作为模板链，因此还需要得到原序列的反向互补序列，以同样的思路得到另外三种阅读方式。

https://rosalind.info/problems/orf/

问题：

给出一串不超过1kbp的DNA序列。

返回每个不同的候选蛋白质链。字符串可以按任意顺序返回。

示例：

Input：

>Rosalind_99
AGCCATGTAGCTAACTCAGGTTACATGGGGATGACCCCGCGACTTGGATTAGAGTCTCTTTTGGAATAAGCCTGAATGATCCGAGTAGCATCTCAG

output：

MLLGSFRLIPKETLIQVAGSSPCNLS
M
MGMTPRLGLESLLE
MTPRLGLESLLE

代码：

import re
from method import fasta
name_list,value_list = fasta('文件所在位置')
dna = value_list[0]
"""
dna = 'AGCCATGTAGCTAACTCAGGTTACATGGGGATGACCCCGCGACTTGGATTAGAGTCTCTTTTGGAATAAGCCTGAATGATCCGAGTAGCATCTCAG'
"""
dna_codon_table = {
    "TTT":"F", "CTT":"L", "ATT":"I", "GTT":"V",
    "TTC":"F", "CTC":"L", "ATC":"I", "GTC":"V",
    "TTA":"L", "CTA":"L", "ATA":"I", "GTA":"V",
    "TTG":"L", "CTG":"L", "ATG":"M", "GTG":"V",
    "TCT":"S", "CCT":"P", "ACT":"T", "GCT":"A",
    "TCC":"S", "CCC":"P", "ACC":"T", "GCC":"A",
    "TCA":"S", "CCA":"P", "ACA":"T", "GCA":"A",
    "TCG":"S", "CCG":"P", "ACG":"T", "GCG":"A",
    "TAT":"Y", "CAT":"H", "AAT":"N", "GAT":"D",
    "TAC":"Y", "CAC":"H", "AAC":"N", "GAC":"D",
    "TAA":"STOP", "CAA":"Q", "AAA":"K", "GAA":"E",
    "TAG":"STOP", "CAG":"Q", "AAG":"K", "GAG":"E",
    "TGT":"C", "CGT":"R", "AGT":"S", "GGT":"G",
    "TGC":"C", "CGC":"R", "AGC":"S", "GGC":"G",
    "TGA":"STOP", "CGA":"R", "AGA":"R", "GGA":"G",
    "TGG":"W", "CGG":"R", "AGG":"R", "GGG":"G"
}                                                                  #DNA密码子表

com = { "A" : "T", "T" : "A", "C" : "G", "G" : "C"}
Reversed_dna = ''
for i in dna[::-1]:
    Reversed_dna+=com[i]                    #得到DNA的反向互补序列

windows = re.compile(r'(?=(ATG(?:...)*?)(?=TAA|TAG|TGA))')   #重视正则表达式的学习
seq = []
for i in re.findall(windows, dna):           #将符合要求的DNA序列加入列表
    if i not in seq:
        seq.append(i)
for i in re.findall(windows,Reversed_dna):   #将符合要求的DNA反向互补序列加入列表
    if i not in seq:
        seq.append(i)
for i in seq:                              #将符合要求的序列翻译成蛋白质序列
    res = ''
    for j in range(0, len(i) - 2, 3):
        res += dna_codon_table[i[j:j + 3]]
    print(res)