Python DNA转化为蛋白质

我是一名生物学研究生，在过去的几个月里，我自学了非常有限的python来处理我掌握的一些数据。我不是要求家庭作业帮助，这是一个研究项目

有了这个密码，我打算从一个名为序列的字符串中提取一部分，介于：找到“蛋白质翻译”的起始位点，或者第一次出现的ATG（生物学术语是起始密码子），然后是第一次出现的TAA（终止密码子）

然后，函数

translate\u dna（）

应该为字符串中的每三个字母交换字典值。变量CDS正确存在，但for或if my函数中的循环不起作用：（.有什么建议吗？输入文件的格式如下：

>gnl|GNOMON|230560476.m Model predicted by Gnomon on Homo sapiens unplaced genomic scaffold, alternate assembly HuRef DEGEN_1103279082069, whole genome shotgun sequence (NW_001841731.1)
CCCCAGTAGCTGGGATTACAGGTTATCCAAGGACATGGAAAAGCCAACACCATGGTAGCATTAATGAAAG
TTTACCAAGAGGAAGATGAAGCCTACCAGGAATTAGTTACCATGGCAACCATGTTTTTCCAGTACTTACT
GCAGCCATTTAGGGCTATGCGAGAAGTTGCAACTTTATGTAAGCTTGAT

>gnl|GNOMON|230560472.m Model predicted by Gnomon on Homo sapiens unplaced genomic scaffold, alternate assembly HuRef DEGEN_1103279082069, whole genome shotgun sequence (NW_001841731.1)
GCCGGCGTTTGACCGCGCTTGGGTGGCCTGGGACCCTGTGGGAGGCTTCCCCGGCGCCGAGAGCCCTGGC
TGACGGCTGATGGGGAGGAGCCGGCGGGCGGAGAAGGCCACGGGCTCCCCAGTACCCTCACCTGCGCGGG
ATCGCTGCGGGAAACCAGGGGGAGCTTCGGCAGGGCCTGCAGAGAGGACAAGCGAAGTTAAGAGCCTAGT
GTACTTGCCGCTGGGAGCTGGGCTAGGCCCCCAACCTTTGCCCTGAAGATGCTGGCAGAGCAGGATGTTG
TAACGGGAAATGTCAGAAATACTGCAAGCAAACTGAAAACAACCCATCCATGTAGGAAAGAATAACACGG
ACTACACACTATGAGGAAACCACAGGGGAGTTTCAGGCCAGTCAGCTTTTGATCTTCAACTTTATAACTT
TCACCTTAGGATATGACGAGCCCACCGGAGTTTCAAAAATGGTATCATTTTGTATCAGGCTTGTTTTTTA
CACTCTTGGTTTCTCACAGAGATAGGTGGTTTCTCCTTAAAATCGAACATTTATATGATGCATTTTACTG
TAGTTACTATCAGAAAAGTTAGTTTTCCCAAATTTAAGTTCACTCTGGGGTACTATAGCGTGAATGTAGT
TCATTCTGTTGAGCTAGTTGTTCATGTTAGTGTAGTTCACATATTTATCTGGAACTCAAAAATGAGGGGT
TGAGAGGGGAAGCTAAAATTCAAAACATGTCCAAATATATAATTTTAATATTTTACTTTATATTTAAAAT
AGAAAAGCAATTGATTCTAGAATTAGACTAATTGCTAGCATTGCTAGGATATATAAAATGAAGCTGAATG
TTTTAACTCTGGAATTTTTCTGAATAGTCTAAGAAATAAGGCTGAAGTGTATCACTTGCCTTAAGTTTAC
TTTTGCGTGTGTGTTTTAATTTTGTTCAGTGGGGCTTTCACTTAAAAAAAAAACCATAATATTATTACCT
GGATAAAAAATACAGCTGAAAGTAGATCACTTTATCTTTAAGCAGAAGGATGGAAATAGAAGAATTTTAA
GAATGTATTGGTTGAAAAACATCTATATTATTTTATTTTTATTTCTCTTCTTGTGGGAGTAAAATAATTT
CCAACCAAATCAGTCCACCTAGATTATACACTGTTCAGTTTGTTTTCTGCCCTGCAGCACAAGCAATAAC
CAGCAGAGACTGGAACCACAGCTGAGGCTCTGTAAATGAGTTGACTGCTAAGGACTTCATGGGGATATTA
ACCTGGGGCATTAAGAGAATCAACATGCTAAAGTACTTGGAGACAGCTCTGTAATGTTTTATGAGGTTTT
TTGTTTTTTTTTTTTGAGACAGAGTCTTGCACTGTCGCCCAGGCTGG

代码：

---

你的问题源于排队

if cds[n:n+3] in codontable == True

它的计算结果总是

False

，因此您永远不会附加到

proteinsequence

。只需像这样删除

==True

部分即可

if cds[n:n+3] in codontable

---

您将获得蛋白质序列。此外，确保在

translate\u dna（）

中

返回proteinsequence

，您的代码中还有一个问题-使用

stop=sequencestart.find（'TAA'））

您不关心打开的阅读框。在下面的代码中，我将序列拆分为三个三元组，并使用

itertools。takewhile

处理该问题，但也可以使用循环：

from itertools import takewhile

def translate_dna(sequence, codontable, stop_codons = ('TAA', 'TGA', 'TAG')):       
    start = sequence.find('ATG')

    # Take sequence from the first start codon
    trimmed_sequence = sequence[start:]

    # Split it into triplets
    codons = [trimmed_sequence[i:i+3] for i in range(0, len(trimmed_sequence), 3)]
    print(len(codons))
    print(trimmed_sequence)
    print(codons)

    # Take all codons until first stop codon
    coding_sequence  =  takewhile(lambda x: x not in stop_codons and len(x) == 3 , codons)

    # Translate and join into string
    protein_sequence = ''.join([codontable[codon] for codon in coding_sequence])

    # This line assumes there is always stop codon in the sequence
    return "{0}_".format(protein_sequence)

---

如果这不是一个家庭作业，你为什么不举个例子呢？有人向我指出了这一点，我实际上是从那里开始的。我不相信生物细胞素局限于第一个帧内起始密码子和终止密码子。如果你不确定你拥有的RNA数据，这是可以的，但我知道我有一个明确的单一起始和终止位点的mRNA，所以当我得到结果时如果关于biopython的假设不正确，那么我一定是看错了食谱，甚至有人强调我的阅读错误也会有所帮助。我不反对这里的任何解决方案。我已经有一段时间没有使用biopython了，但如果我没记错的话，它应该适合你的需要。据我所知，密码子表中没有U，取而代之的是T。T代表苏氨酸，这很有意义。非常感谢！删除==true并添加return给了我所需要的。如果我可以，我会向上投票！@KarlEricSwanson你可以接受答案，即使你不能向上投票。勾选投票计数下的复选框。谢谢。这s的工作非常完美，我不是权威，但从我所看到的来看，似乎比我的原始代码更像是python。哦，在看了结果之后，这很接近，但我认为密码子=[trimmed_sequence[I:I+3]对于范围内的I（len（trimmed_sequence）/3）]应该看起来像是范围内的I（0，len的密码子=[trimmed_sequence[I:I+3]（trimmed_sequence），3）]否则它将读取字符串中的每三个字符，并从原始开始移动+1。也就是说，对于较长的序列，ATGG从ATG产生MW，0-2个字符，TGG产生1-3个字符，依此类推。

from itertools import takewhile

def translate_dna(sequence, codontable, stop_codons = ('TAA', 'TGA', 'TAG')):       
    start = sequence.find('ATG')

    # Take sequence from the first start codon
    trimmed_sequence = sequence[start:]

    # Split it into triplets
    codons = [trimmed_sequence[i:i+3] for i in range(0, len(trimmed_sequence), 3)]
    print(len(codons))
    print(trimmed_sequence)
    print(codons)

    # Take all codons until first stop codon
    coding_sequence  =  takewhile(lambda x: x not in stop_codons and len(x) == 3 , codons)

    # Translate and join into string
    protein_sequence = ''.join([codontable[codon] for codon in coding_sequence])

    # This line assumes there is always stop codon in the sequence
    return "{0}_".format(protein_sequence)