用Python实现DNA链的反向互补
我有一个DNA序列,想用Python得到它的反向补码。它位于CSV文件的一列中,我想将反向补码写入同一文件中的另一列。棘手的部分是,有一些单元格中没有a、T、G和C。我能用这段代码得到反向补码:用Python实现DNA链的反向互补,python,list,bioinformatics,biopython,dna-sequence,Python,List,Bioinformatics,Biopython,Dna Sequence,我有一个DNA序列,想用Python得到它的反向补码。它位于CSV文件的一列中,我想将反向补码写入同一文件中的另一列。棘手的部分是,有一些单元格中没有a、T、G和C。我能用这段代码得到反向补码: def complement(seq): complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} bases = list(seq) bases = [complement[base] for base in bases]
def complement(seq):
complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
bases = list(seq)
bases = [complement[base] for base in bases]
return ''.join(bases)
def reverse_complement(s):
return complement(s[::-1])
print "Reverse Complement:"
print(reverse_complement("TCGGGCCC"))
然而,当我尝试使用下面的代码查找补码字典中不存在的项时,我只得到最后一个基的补码。它不会迭代。我想知道怎样才能修好它
def complement(seq):
complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
bases = list(seq)
for element in bases:
if element not in complement:
print element
letters = [complement[base] for base in element]
return ''.join(letters)
def reverse_complement(seq):
return complement(seq[::-1])
print "Reverse Complement:"
print(reverse_complement("TCGGGCCCCX"))
字典的
get
方法允许您在键不在字典中时指定默认值。作为一个预处理步骤,我会将所有非“ATGC”基映射为单个字母(或标点符号、数字或序列中不会出现的任何东西),然后颠倒顺序,然后用原始字母替换单个字母。或者,您可以先将其反转,然后用ins
搜索并替换sni
等内容
alt_map = {'ins':'0'}
complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
def reverse_complement(seq):
for k,v in alt_map.iteritems():
seq = seq.replace(k,v)
bases = list(seq)
bases = reversed([complement.get(base,base) for base in bases])
bases = ''.join(bases)
for k,v in alt_map.iteritems():
bases = bases.replace(v,k)
return bases
>>> seq = "TCGGinsGCCC"
>>> print "Reverse Complement:"
>>> print(reverse_complement(seq))
GGGCinsCCGA
一般来说,生成器表达式比原始代码简单,并避免创建额外的列表对象。如果可以有多个字符插入,请使用其他答案
complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
seq = "TCGGGCCC"
reverse_complement = "".join(complement.get(base, base) for base in reversed(seq))
其他答案都很好,但如果你打算处理真实的DNA序列,我建议使用。如果遇到像“-”、“*”或未定义的字符,该怎么办?如果你想对你的序列做进一步的操作呢?您想为每个文件格式创建一个解析器吗 您要求的代码非常简单:
from Bio.Seq import Seq
seq = Seq("TCGGGCCC")
print seq.reverse_complement()
# GGGCCCGA
现在,如果要执行其他转换:
print seq.complement()
print seq.transcribe()
print seq.translate()
输出
AGCCCGGG
UCGGGCCC
SG
如果您遇到奇怪的字符,则无需继续向程序中添加代码。Biopython处理这一问题:
seq = Seq("TCGGGCCCX")
print seq.reverse_complement()
# XGGGCCCGA
这会给你一个相反的恭维,请尝试下面的代码
def ReverseComplement(Pattern):
revcomp = []
x = len(Pattern)
for i in Pattern:
x = x - 1
revcomp.append(Pattern[x])
return ''.join(revcomp)
# this if for the compliment
def compliment(Nucleotide):
comp = []
for i in Nucleotide:
if i == "T":
comp.append("A")
if i == "A":
comp.append("T")
if i == "G":
comp.append("C")
if i == "C":
comp.append("G")
return ''.join(comp)
complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
seq = "TCGGGCCC"
reverse_complement = "".join(complement.get(base, base) for base in reversed(seq))
反向补码的最快一行程序如下所示:
def rev_compl(st):
nn = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
return "".join(nn[n] for n in reversed(st))
还考虑退化基:
def rev_compl(seq):
BASES ='NRWMBDACGTHVKSY'
return ''.join([BASES[-j] for j in [BASES.find(i) for i in seq][::-1]])
你想要什么作为字典中没有的项目的补充?原始项目本身?您的
补码中的返回值缩进不正确。@aa333有些值像ins和dup,我想按原样打印它们。我曾尝试使用Bio.Seq,但它在反向补码时将“ins”转换为“sni”。首先用单字母替代物替换ins
和其他“base”,然后将它们反向放置back@Gabriel有没有一种类似蟒蛇的方法可以做到这一点,因为我恐怕无法手动完成。谢谢你的回答。我不能硬编码元素'alt',因为它可以是任何东西。它没有明确的结构。在不知道其他基数将是什么的情况下更新了工作答案。只需使用补码。获取(base,base)
。如果您想在某个地方发布此内容,请注意一种最快、更清晰的方法来反转字符串:您的_字符串[::-1]
为什么需要(base,base)
此处两次?@IgorBarinov:get
函数的默认返回类型为None
,用于密钥不可用时的返回。将base
设置为默认返回类型可避免出现keyrerror
,只需插入base
的值即可。结果是序列中不寻常的字符现在被正确处理了。这对我来说是最好的答案。注意:它需要适应python3:用str
(无需导入)替换string
,并明显地在print
中添加括号。2014年10月28日18:35回答-在正确的时间。。。是的,你说得对。很好的观察。在文章中添加代码格式。另外,考虑向您的解决方案添加任何解释。
def rev_compl(seq):
BASES ='NRWMBDACGTHVKSY'
return ''.join([BASES[-j] for j in [BASES.find(i) for i in seq][::-1]])