python - 计算 DNA 序列中的三联体

Question

我想编写一个代码来计算序列中的所有三元组。到目前为止，我读了很多帖子，但没有一个对我有帮助。

这是我的代码:

def cnt(seq):
    mydict = {}
    if len(seq) % 3 == 0:
        a = [x for x in seq]
        for i in range(len(seq)//3):
            b = ''.join(a[(0+3*i):(3+3*i)])
            for base1 in ['A', 'T', 'G', 'C']:
                for base2 in ['A', 'T', 'G', 'C']:
                    for base3 in ['A', 'T', 'G', 'C']:
                        triplet = base1 + base2 + base3
                        if b == triplet:
                            mydict[b] = 1
        for key in sorted(mydict):
            print("%s: %s" % (key, mydict[key]))
    else:
        print("Error")

Biopython提供了解决这个问题的函数吗？

编辑:

请注意，例如，在序列“ATGAAG”、“TGA”或“GAA”中不是“有效”三元组，只有“ATG”和“AAG”，因为在生物学和生物信息学中，我们将其读作“ATG”和“AAG”，这就是我们需要翻译它或其他任何内容的信息。

您可以将其想象为单词序列，例如“Hello world”。我们的读法是“Hello”和“world”，而不是“Hello”、“ello”、“llo w”……

Answer 1

我花了一段时间才明白你不想计算密码子的数量，而是计算每个密码子的频率。在这方面你的标题有点误导。不管怎样，你可以雇用collections.Counter对于您的任务:

from collections import Counter

def cnt(seq):
    if len(seq) % 3 == 0:
        #split list into codons of three
        codons = [seq[i:i+3] for i in range(0, len(seq), 3)]
        #create Counter dictionary for it
        codon_freq = Counter(codons)
        #determine number of codons, should be len(seq) // 3
        n = sum(codon_freq.values())
        #print out all entries in an appealing form
        for key in sorted(codon_freq):
            print("{}: {} = {:5.2f}%".format(key, codon_freq[key], codon_freq[key] * 100 / n))
        #or just the dictionary
        #print(codon_freq)
    else:
        print("Error")

seq = "ATCGCAGAAATCCGCAGAATC"

cnt(seq)

示例输出:

AGA: 1 = 14.29%
ATC: 3 = 42.86%
CGC: 1 = 14.29%
GAA: 1 = 14.29%
GCA: 1 = 14.29%