DNA序列中的GC含量(Rosaland)：如何改进我的代码？

Question

下面是我的Rosalind问题的代码，用于计算GC含量，而不使用Biopython。有没有人能给我一些改进的建议？例如，我不能将seq_list中的最后一个序列包含在For循环中，因此必须再追加一次。另外，有没有更好的方法来配对seq_name和GC内容，这样我就可以轻松地打印出GC含量最高的序列名？非常感谢

# to open FASTA format sequence file:
s=open('5_GC_content.txt','r').readlines()

# to create two lists, one for names, one for sequences
name_list=[]
seq_list=[]

data='' # to put the sequence from several lines together

for line in s:
    line=line.strip()
    for i in line:
        if i == '>':
            name_list.append(line[1:])
            if data:
                seq_list.append(data)
                data=''
            break
        else:
            line=line.upper()
    if all([k==k.upper() for k in line]):
        data=data+line
seq_list.append(data) # is there a way to include the last sequence in the for loop?
GC_list=[]
for seq in seq_list:
    i=0
    for k in seq:
        if k=="G" or k=='C':
            i+=1
    GC_cont=float(i)/len(seq)*100.0
    GC_list.append(GC_cont)


m=max(GC_list)
print name_list[GC_list.index(m)] # to find the index of max GC
print "{:0.6f}".format(m)

Answer 1

if all([k==k.upper() for k in line]):

你为什么不直接检查一下那个line == line.upper()呢？

i=0
for k in seq:
    if k=="G" or k=='C':
        i+=1

可以替换为i=sum(如果'G‘中的k，’C‘中的k，则序列中的k为1)

有没有办法在for循环中包含最后一个序列？

我认为没有更好的方法来做到这一点。

Answer 2

要避免第二次追加您的seq列表，请删除：

if all([k==k.upper() for k in line]):
    data=data+line

并将其添加到line.strip()下面

您面临的问题是，当您第一次进入for i in line循环时，数据是一个空字符串。因此，if data:是假的。