python - 查找序列中的中断数

Question

我有一个解析等位基因序列的程序。我正在尝试编写一个代码来确定等位基因是否完整。为此，我需要计算引用序列中的中断次数。中断由一串“-”表示。如果中断不止一次，我希望程序显示“Incomplete Allele”。

我怎样才能弄清楚如何计算序列中的中断次数？

这是一个“损坏的”序列的例子:

>DQB1*04:02:01
------------------------------------------------------------
------------------------------------------------------------
------------------------------------------------------------
--ATGTCTTGGAAGAAGGCTTTGCGGAT-------CCCTGGAGGCCTTCGGGTAGCAACT
GTGACCTT----GATGCTGGCGATGCTGAGCACCCCGGTGGCTGAGGGCAGAGACTCTCC
CGAGGATTTCGTGTTCCAGTTTAAGGGCATGTGCTACTTCACCAACGGGACCGAGCGCGT
GCGGGGTGTGACCAGATACATCTATAACCGAGAGGAGTACGCGCGCTTCGACAGCGACGT
GGGGGTGTATCGGGCGGTGACGCCGCTGGGGCGGCTTGACGCCGAGTACTGGAATAGCCA
GAAGGACATCCTGGAGGAGGACCGGGCGTCGGTGGACACCGTATGCAGACACAACTACCA
GTTGGAGCTCCGCACGACCTTGCAGCGGCGA-----------------------------
-----------------------------------------------------
------------------------------------------------------------
------------------------------------------------------------
---GTGGAGCCCACAGTGACCATCTCCCCATCCAGGACAGAGGCCCTCAACCACCACAAC
CTGCTGGTCTGCTCAGTGACAGATTTCTATCCAGCCCAGATCAAAGTCCGGTGGTTTCGG
AATGACCAGGAGGAGACAACTGGCGTTGTGTCCACCCCCCTTATTAGGAACGGTGACTGG
ACCTTCCAGATCCTGGTGATGCTGGAAATGACTCCCCAGCGTGGAGACGTCTACACCTGC
CACGTGGAGCACCCCAGCCTCCAGAACCCCATCATCGTGGAGTGGCGGGCTCAGTCTGAA
TCTGCCCAGAGCAAGATGCTGAGTGG----CATTGGAGGCTTCGTGCTGGGGCTGATCTT
CCTCGGGCTGGGCCTTATTATC--------------CATCACAGGAGTCAGAAAGGGCTC
CTGCACTGA---------------------------------------------------
------------------------------------------------------------
------------------------------------------------------------
------------------------------------------------------------

我目前的代码如下:

idx=[]
for m in range(len(sequence)):
    for n in re.finditer('-',sequence[0]): 
        idx.append(n.start())
counter=0
min_val=[]
for n in range(len(idx)):
    if counter==idx[n]:
        counter=counter+1
    elif counter !=0:
        min_val.append(idx[n-1])
        counter=0

我对上述代码的推理是，如果我能找到“-”的起始位置，那么我就可以看到它们在序列中出现了多少次，以及它们是否完全破坏了序列。但是，我知道上面的代码有一些缺陷。

Answer 1

您可以过滤掉所有“-”字符，并根据剩余段数确定中断数。

str_list = filter(None, sequence.split('-'))
if len(str_list) > 2:
    return "Incomplete Allele"
else:
    return "Complete Allele"