用Python将DNA序列翻译成氨基酸

我被困在python的练习中，需要将DNA序列转换成相应的氨基酸。到目前为止，我已经：

seq1 = "AATAGGCATAACTTCCTGTTCTGAACAGTTTGA"

for i in range(0, len(seq), 3):
    print seq[i:i+3]

我需要在不使用字典的情况下完成这项工作，我本来打算替换，但似乎也不可取。我怎样才能做到这一点

它应该给出这样的东西，例如：

>seq1_1_+
TQSLIVHLIY
>seq1_2_+
LNRSFTDSST
>seq1_3_+
SIADRSLTHLL

更新2：好的，所以我不得不求助于函数，正如建议的那样，我已经得到了我想要的输出。现在，我有一系列函数，它们返回一系列氨基酸序列，我想得到一个输出文件，如下所示，例如：

>seq1_1_+
iyyslrs-las-smrlssiv-m
>seq1_2_+
fiirydrs-ladrcgshrssk
>seq1_3_+
llfativas-lidaalidrl
>seq1_1_-
frrsmraasis-lativannkm
>seq1_2_-
lddr-ephrsas-lrs-riin
>seq1_3_-
-tidesridqlasydrse--m 

为此，我使用以下方法：

for x in f1:
    x = x.strip()
    if x.count("seq"):
        f2.write((x)+("_1_+\n"))
        f2.write((x)+("_2_+\n"))
        f2.write((x)+("_3_+\n"))
        f2.write((x)+("_1_-\n"))
        f2.write((x)+("_2_-\n"))
        f2.write((x)+("_3_-\n"))
    else:
        f2.write((translate1(x))+("\n"))
        f2.write((translate2(x))+("\n"))
        f2.write((translate3(x))+("\n"))
        f2.write((translate1neg(x))+("\n"))
        f2.write((translate2neg(x))+("\n"))
        f2.write((translate3neg(x))+("\n"))

但与建议的预期输出文件不同，我得到以下结果：

>seq1_1_+
>seq1_2_+
>seq1_3_+
>seq1_1_-
>seq1_2_-
>seq1_3_-
iyyslrs-las-smrlssiv-m
fiirydrs-ladrcgshrssk
llfativas-lidaalidrl
frrsmraasis-lativannkm
lddr-ephrsas-lrs-riin
-tidesridqlasydrse--m

---

所以他基本上是先做所有的seq，然后再做所有的函数，所以我需要插入它们，问题是如何插入。

如果没有函数或字典，你实际上无法做到这一点。第1部分，将序列转换为三个字符的密码子，非常简单，因为您已经完成了

但是第2部分，要将这些转化为氨基酸，您需要定义一个映射，或者：

mapping = {"NNN": "X", ...}

或

或

---

我喜欢第二个，因为它有最少的重复（因此有可能出错）。

如果没有函数或字典，您实际上无法做到这一点。第1部分，将序列转换为三个字符的密码子，非常简单，因为您已经完成了

但是第2部分，要将这些转化为氨基酸，您需要定义一个映射，或者：

mapping = {"NNN": "X", ...}

或

或

---

我倾向于第二种，因为它有最少的重复（因此有可能出错）。

要翻译，您需要一个表，因此没有字典或其他数据结构似乎很奇怪

也许你可以调查一下？看看他们是如何管理的

您也可以直接从编码链DNA序列进行翻译：

>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import IUPAC
>>> coding_dna = Seq("ATGGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG", IUPAC.unambiguous_dna)
>>> coding_dna
Seq('ATGGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG', IUPACUnambiguousDNA())
>>> coding_dna.translate()
Seq('MAIVMGR*KGAR*', HasStopCodon(IUPACProtein(), '*')) "

---

您可能需要一个表来翻译，因此没有字典或其他数据结构似乎很奇怪

也许你可以调查一下？看看他们是如何管理的

您也可以直接从编码链DNA序列进行翻译：

>>> from Bio.Seq import Seq
>>> from Bio.Alphabet import IUPAC
>>> coding_dna = Seq("ATGGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG", IUPAC.unambiguous_dna)
>>> coding_dna
Seq('ATGGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG', IUPACUnambiguousDNA())
>>> coding_dna.translate()
Seq('MAIVMGR*KGAR*', HasStopCodon(IUPACProtein(), '*')) "

---

您可以查看一下

您得到的第一个密码子的氨基酸输出仅仅是因为您在“for循环”中使用了“return”。一旦第一个氨基酸返回，循环终止，因此第二个密码子根本不会被检测

您可以创建一个空列表来保存每个密码子的翻译结果，例如

aa = []

然后，将输出附加到列表中，而不是使用return：

for x in range(0,len(seq1),3):
    nuc2= seq1[x:x+3]
    if nuc2 in ('GCT', 'GCC', 'GCA', 'GCG'):
        aa.append("a")
    elif nuc2 in ('TGT', 'TGC'):
        aa.append("c")
    ....

最后，连接列表中的字母表并从函数返回字符串：

return "".join(aa)

或者直接打印：

print("".join(aa))

---

只有在“for循环”中使用了“return”，才能获得第一个密码子的氨基酸输出。一旦第一个氨基酸返回，循环终止，因此第二个密码子根本不会被检测

您可以创建一个空列表来保存每个密码子的翻译结果，例如

aa = []

然后，将输出附加到列表中，而不是使用return：

for x in range(0,len(seq1),3):
    nuc2= seq1[x:x+3]
    if nuc2 in ('GCT', 'GCC', 'GCA', 'GCG'):
        aa.append("a")
    elif nuc2 in ('TGT', 'TGC'):
        aa.append("c")
    ....

最后，连接列表中的字母表并从函数返回字符串：

return "".join(aa)

或者直接打印：

print("".join(aa))

---

您可以将核苷酸碱基转换为数字（碱基4），然后使用字符串中的有序aa进行翻译：

def translate(seq,frame):
    BASES = 'ACGT'
    # standard code
    AA = 'KNKNTTTTRSRSIIMIQHQHPPPPRRRRLLLLEDEDAAAAGGGGVVVV*Y*YSSSS*CWCLFLF'
    # convert DNA sequence in numbers: A=0; C=1; G=2; T=3
    seqn = [str(BASES.find(i)) for i in seq.upper()]
    # list of all codons in all forward frames (i.e. 3 digit numbers in base 4)
    allframes = [seqn[n:n+3] for n,j in enumerate(seqn) if n <= (len(seq)-3)]
    # translate the codons at the given frame taking the aa in AA string at position given by the number (in base 4) in allframes
    return ''.join([AA[int(i,4)] for i in [''.join(i) for i in allframes[(frame-1)::3]]])

def translate（序列，帧）：
基数='ACGT'
#标准代码
AA='KNKNKTTTTRSRSIIMIQHQHPPPPRRRRLLLEDAAAGGGVVV*Y*YSSSS*CWCLFLF'
#以数字形式转换DNA序列：A=0；C=1；G=2；T=3
seqn=[str（base.find（i））表示seq.upper（）中的i]
#所有前向帧中的所有密码子列表（即基数4中的3位数字）
allframes=[seqn[n:n+3]对于枚举（seqn）中的n，j，如果n可以将核苷酸碱基转换为数字（碱基4），然后使用字符串中的有序aa进行翻译：

def translate(seq,frame):
    BASES = 'ACGT'
    # standard code
    AA = 'KNKNTTTTRSRSIIMIQHQHPPPPRRRRLLLLEDEDAAAAGGGGVVVV*Y*YSSSS*CWCLFLF'
    # convert DNA sequence in numbers: A=0; C=1; G=2; T=3
    seqn = [str(BASES.find(i)) for i in seq.upper()]
    # list of all codons in all forward frames (i.e. 3 digit numbers in base 4)
    allframes = [seqn[n:n+3] for n,j in enumerate(seqn) if n <= (len(seq)-3)]
    # translate the codons at the given frame taking the aa in AA string at position given by the number (in base 4) in allframes
    return ''.join([AA[int(i,4)] for i in [''.join(i) for i in allframes[(frame-1)::3]]])

def translate（序列，帧）：
基数='ACGT'
#标准代码
AA='KNKNKTTTTRSRSIIMIQHQHPPPPRRRRLLLEDAAAGGGVVV*Y*YSSSS*CWCLFLF'
#以数字形式转换DNA序列：A=0；C=1；G=2；T=3
seqn=[str（base.find（i））表示seq.upper（）中的i]
#所有前向帧中的所有密码子列表（即基数4中的3位数字）
allframes=[seqn[n:n+3]表示枚举中的n，j（seqn）如果n，那么您已有的有什么问题？它似乎给出了合理的结果：“AAT”、“AGG”，…预期的输出是什么？标题让我想关闭这个线程，但问题并没有那么糟糕。如果你需要帮助，你仍然需要听取其他用户的建议并更新问题。我有核苷酸，但现在我需要将它们转换成相应的氨基酸：N代表AAT，R代表AGG，…做核苷酸和氨基酸吗ID有1对1的关系？有多少这样的对？你已经有的有什么问题？它似乎给出了合理的结果：“AAT”，“AGG”，…预期的输出是什么？标题让我想关闭这个线程，但问题并没有那么糟糕。如果你需要帮助，你仍然需要听取其他用户的建议并更新问题。我有核苷酸，但现在我需要将它们转换成相应的氨基酸：N代表AAT，R代表AGG，…做核苷酸和氨基酸吗ID有一个1对1的关系？有多少这样的对？好建议，试试这个，我会让你知道好建议，试试这个，我会让你知道，虽然你不能使用函数…创建一个空字符串，而不是返回if的结果，附加到字符串。最后返回字符串。Ops，我想y你无法使用函数…创建一个空字符串，并不是返回if的结果，而是附加到字符串。最后返回字符串。