Python 如何从几个蛋白质序列中提取多态性位置？

我有几个fasta蛋白质比对（~5000），我想确定多态性位置加上序列间变化的氨基酸残基。我自己也试过写代码，但很难（我是编程新手），我也看过BioPython，但还没有发现任何东西。我想要像这样的东西：

蛋白质比对：

> sp1 MQGAAYMQAAAYYMQA
> sp2 MQGAARMQGAAYYMQA
> sp3 MQGAARMQGAAYYMQM
> sp4 MQGAARMQGAAYYMQA
> sp5 MQGAARMQAAAYYMQA
           ^  ^      ^

在上面的示例中，对齐有3个多态位置（用

^

标记）。第一个位于第6位，第二个位于第9位，第三个位于第16位。多态位点的一个常见符号可以是：R6Y，这意味着在第6个位置上发生了从R到Y的变化。变化的方向（R->Y或Y->R）基于该位置上最常见的字母。因此，在这种情况下，R的频率最高，可以推断方向是R->Y

如您所见，第6位和第16位有单一变化（不同的字母频率为1）。但是，第9个位置有两个序列（sp1和sp5）随变化而变化。我想区分这两种多态性。因此，在这种情况下，我希望输出如下：

输出：

# Alignment #1
#   Single polymorphisms:
#     R6Y: sp1
#     A16M: sp3

#   Non-single polymorphisms:
#     G9A: sp1, sp5

我希望这有助于澄清（如果有点太长，请道歉）

---

非常感谢您的建议，谢谢

这里有一个函数可以找到两个等位基因之间的差异。第一个应该是由每个位置最频繁的字母组成的规范多晶型（

mqgaarmqgaaymqa

）

示例：

>>> polymorphic_positions('MQGAARMQGAAYYMQA', 'MQGAARMQGAAYYMQM')
['A16M']
>>> polymorphic_positions('MQGAARMQGAAYYMQA', 'MQGAARMQAAAYYMQA')
['G9A']

以下是一些参考资料：

---

这并没有为您的问题提供足够的上下文。因此，您希望在一个字符中找到与最常见变体不同的序列，并且对于每个这样的序列，您希望构造一个由最常见变体中的字符组成的字符串，它是基于1的索引，变形中的不同字符？你是否提前知道最常见的变体是什么，或者你需要数一数才能找到它？变形可能在多个地方不同？请用这些答案更新你的问题。这非常有用！我将尝试在多个蛋白质比对中反复使用它。非常感谢。

>>> polymorphic_positions('MQGAARMQGAAYYMQA', 'MQGAARMQGAAYYMQM')
['A16M']
>>> polymorphic_positions('MQGAARMQGAAYYMQA', 'MQGAARMQAAAYYMQA')
['G9A']