代码之家 › 专栏 › 技术社区 › F.Lira

验证蛋白质序列

biopython bioinformatics python

F.Lira · 技术社区 · 7 年前

在某些情况下,我的序列具有与蛋白质不对应的特征。

>ISAnsp8_orf1
MRKSRFTEEQIAHALRQVDAGVPAAELCRKLGISEQTFYAWKKKYAGMGIAEMRRVKQLEDENRRLKTLVADLTLDKHMLQEVLRKKF
>IS3_orf1
UGAAGAGCUGGCUAUCCUCCAAAAGGCCGCGACAUACUUCGCGAAGCGCC
>IS3_orf2
..............................(((((((((((......[[[
>IS3_orf3
UGAAAUGAAGUAUGUCUUUAUUGAAAAACAUCAGGCUGAGUUCAGCAUCA
>IS3_orf4
[[[..)))))))))))..............]]]]]]
>IS3_orf5
AAGCAAUGUGCCGCGUGCUCCGGGUGGCCCGCA
>IS3_orf7
MTKTVSTSKKPRKQHSPEFRSEALKLAERIGVTAAARELSLYESQLYNWRSKQQNQQTSSERELEMSTEIARLKRQLAERDEELAILQKAATYFAKRLK

测试所有三种可能性以“排序”答案相同(错误)

import sys
from Bio.Seq import Seq
from Bio.Alphabet import IUPAC, ProteinAlphabet

sequence = sys.argv[1]
#sequence = '((((((((((('
#sequence = 'TGEKPYVCQECGKAFNCSSYLSKHQR'

my_prot = Seq(sequence, alphabet=IUPAC.IUPACProtein)

print isinstance(my_prot.alphabet, ProteinAlphabet)     

if isinstance(my_prot.alphabet, ProteinAlphabet) == True:
  print 'ok' , isinstance(my_prot.alphabet, ProteinAlphabet)
else:
  print 'no'

1 回复 | 直到 7 年前

Chris_Rands 7 年前

当您启动一个 Seq 或类似对象(主要原因是性能成本高)。围绕这一点有很多讨论,未来情况可能会发生变化;事实上,第一个Biopython增强建议(BEP)是关于在Biopython中使用字母。

不管怎样,现在要解决你的问题,有一个 _verify_alphabet Biopython中隐藏的函数,虽然它是“私有的”,但我认为没有理由不使用它:

from Bio.Seq import Seq
from Bio.Alphabet import IUPAC, _verify_alphabet

sequences = ['TGEKPYVCQECGKAFNCSSYLSKHQR', '(((((((((((']

for sequence in sequences:
    my_prot = Seq(sequence, IUPAC.protein)
    print(my_prot, _verify_alphabet(my_prot))

输出(在Bio版本为1.73dev的Python 3.6中):

TGEKPYVCQECGKAFNCSSYLSKHQR True
((((((((((( False

推荐文章

Alex Nesta · R熔化数据帧秩

7 年前

Gloom · 使用python在单个BLAST文件中查找最佳交互命中

7 年前

kkcheng · 使用递归的生成器对象

8 年前

F.Lira · SeqIO公司。解析python:features表期间过早结束

8 年前

Filip Najbr · 在python中,如何从某个角度“降低”图形

8 年前

Pramod · 使用JQ创建嵌套的Json对象

8 年前

user1993 · 在MATLAB中创建火山图时出错

8 年前

roblanf · 在直方图的y轴上绘制变量和

8 年前

Jin Tao · 如何对fasta文件中包含特定基序的完整序列进行Grep?

8 年前

DrJessop · 使用Try/Except和循环进行DNA基序计数-Python3

8 年前