複数のfastaシーケンスの翻訳方法は？

Question

私は翻訳する必要がある複数の配列を持つFASTAファイルを持っています（cDNAで開始コドンを検索する必要はありません）。私はそれを少しきれいにしてシーケンスだけをプリントアウトすることができますが、タンパク質配列に翻訳するようにはできません（私はBioPythonを使いたくありません）。どんなアドバイスも大歓迎です。

#Open the file for reading 
FASTA=open('mRNA_database.fasta', 'r') 


def readSeq(FASTA): 
    for line in FASTA: 
     if line.startswith('>'): 
      continue 
     line = line.strip() 
     #print(line) 

g_code=dict() 
g_code = {'ATA':'I', 'ATC':'I', 'ATT':'I', 'ATG':'M', 
    'ACA':'T', 'ACC':'T', 'ACG':'T', 'ACT':'T', 
    'AAC':'N', 'AAT':'N', 'AAA':'K', 'AAG':'K', 
    'AGC':'S', 'AGT':'S', 'AGA':'R', 'AGG':'R', 
    'CTA':'L', 'CTC':'L', 'CTG':'L', 'CTT':'L', 
    'CCA':'P', 'CCC':'P', 'CCG':'P', 'CCT':'P', 
    'CAC':'H', 'CAT':'H', 'CAA':'Q', 'CAG':'Q', 
    'CGA':'R', 'CGC':'R', 'CGG':'R', 'CGT':'R', 
    'GTA':'V', 'GTC':'V', 'GTG':'V', 'GTT':'V', 
    'GCA':'A', 'GCC':'A', 'GCG':'A', 'GCT':'A', 
    'GAC':'D', 'GAT':'D', 'GAA':'E', 'GAG':'E', 
    'GGA':'G', 'GGC':'G', 'GGG':'G', 'GGT':'G', 
    'TCA':'S', 'TCC':'S', 'TCG':'S', 'TCT':'S', 
    'TTC':'F', 'TTT':'F', 'TTA':'L', 'TTG':'L', 
    'TAC':'Y', 'TAT':'Y', 'TAA':'stop', 'TAG':'stop', 
    'TGC':'C', 'TGT':'C', 'TGA':'stop', 'TGG':'W'} 

seq = readSeq(FASTA) 

def aa_to_prt(seq, g_code): 
    prt = '' 
    for i in range(0, len(seq), 3): 
     codon = seq[i:i+3] 
     prt+= g_code[codon] 
    return prt 
aa_to_prt(seq, g_code) 

Answer 1

readSeq関数は値を返しません。また、行を正しく連結したり、複数の配列を正しく処理したりすることはありません。あなたが今やっていることは、たとえあなたが行を返すとしても、それぞれの行を翻訳することだけです。

ここにスクリプトの改良版がありますが、これはまだ使用することをお勧めしません。それはまだ非常に純粋です。例えば、あなたのようなこのバージョンは、開始コドンや停止コドンを探していないので、キュレーションされたヌクレオチド入力セットを持っていなければ、これは馬鹿げているかもしれません。

これは実際の問題であり、宿題の練習ではない場合、これらの問題やその他の問題に対処できるBioPythonを回避する理由はなく、実際の問題に対して広範にテストされています。

# No need to define g_code as a dict first 
g_code = {'ATA':'I', 'ATC':'I', 'ATT':'I', 'ATG':'M', 
    'ACA':'T', 'ACC':'T', 'ACG':'T', 'ACT':'T', 
    'AAC':'N', 'AAT':'N', 'AAA':'K', 'AAG':'K', 
    'AGC':'S', 'AGT':'S', 'AGA':'R', 'AGG':'R', 
    'CTA':'L', 'CTC':'L', 'CTG':'L', 'CTT':'L', 
    'CCA':'P', 'CCC':'P', 'CCG':'P', 'CCT':'P', 
    'CAC':'H', 'CAT':'H', 'CAA':'Q', 'CAG':'Q', 
    'CGA':'R', 'CGC':'R', 'CGG':'R', 'CGT':'R', 
    'GTA':'V', 'GTC':'V', 'GTG':'V', 'GTT':'V', 
    'GCA':'A', 'GCC':'A', 'GCG':'A', 'GCT':'A', 
    'GAC':'D', 'GAT':'D', 'GAA':'E', 'GAG':'E', 
    'GGA':'G', 'GGC':'G', 'GGG':'G', 'GGT':'G', 
    'TCA':'S', 'TCC':'S', 'TCG':'S', 'TCT':'S', 
    'TTC':'F', 'TTT':'F', 'TTA':'L', 'TTG':'L', 
    'TAC':'Y', 'TAT':'Y', 'TAA':'stop', 'TAG':'stop', 
    'TGC':'C', 'TGT':'C', 'TGA':'stop', 'TGG':'W'} 

def readSeq(fastaF): 
    fasta_nts = {} # We can use a dict to keep the header information 
    fasta_description = '' 
    with open(fastaF, 'r') as f: # Use the with ... as f syntax to ensure proper file handling 
     for line in f.readlines(): # readlines, not read 
      if line.startswith('>'): 
       fasta_description = line[1:].strip() # Skip the first character (">") and remove newline 
       # Store the sequence, line by line, in a list; much faster and more efficient than building a string 
       fasta_nts[fasta_description] = [] 
      else: 
       fasta_nts[fasta_description].append(line.strip()) # Append each line to the list 
     return fasta_nts # Remember to return something from the function 

def aa_to_prt(seq): # Not necessary to pass g_code dict each time 
    prt = [] # Again, build lists, not strings 
    for i in range(0, len(seq), 3): 
     codon = seq[i:i+3].upper() # In case fasta sequence is lowercase - make sure matches your keys 
     if len(codon) == 3: # If it's not a 3-character codon it will throw a KeyError 
      prt.append(g_code[codon]) 
    return ''.join(prt) # Join the list at the end to make a string 

fastaF = input_file_path 
fasta_nts = readSeq(fastaF) 

fasta_prts = {} # Final output will save the fasta description as dict key 
for (description, sequence_list) in fasta_nts.items(): 
    fasta_prts[description] = aa_to_prt(''.join(sequence_list))