python - 使用 Python 反向补充 DNA 链

Question

我有一个 DNA 序列，想使用 Python 对其进行反向补码。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，有一些单元格除了 A、T、G 和 C 之外还有其他东西。我能够用这段代码获得反向补码:

def complement(seq):
    complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} 
    bases = list(seq) 
    bases = [complement[base] for base in bases] 
    return ''.join(bases)
    def reverse_complement(s):
        return complement(s[::-1])

    print "Reverse Complement:"
    print(reverse_complement("TCGGGCCC"))

但是，当我尝试使用下面的代码查找补码字典中不存在的项目时，我只得到最后一个碱基的补码。它不会迭代。我想知道如何修复它。

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"))

Answer 1

其他答案都很好，但如果你打算处理真正的 DNA 序列，我建议使用 Biopython .如果遇到“-”、“*”或不定义之类的字符怎么办？如果你想对你的序列做进一步的操作怎么办？您想为每种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

现在如果你想做另一个转换:

print seq.complement()
print seq.transcribe()
print seq.translate()

输出

AGCCCGGG
UCGGGCCC
SG

如果您遇到奇怪的字符，则无需继续向您的程序中添加代码。 Biopython 处理它:

seq = Seq("TCGGGCCCX")
print seq.reverse_complement()
# XGGGCCCGA