(Bio.SeqUtils.molecular_weight函数)不能计算无歧义核苷酸序列的分子量

Question

我试图在python中创建一个函数，从fasta文件中读取明确和模糊的核苷酸序列，并返回序列ID和分子量。

我用以下代码尝试了这一点：

import Bio
from Bio import SeqUtils, SeqIO

def function(filename):
    nucleotides ={'A','T', 'C', 'G'}
    with open(filename) as file:
        for record in SeqIO.parse(file, "fasta"):
            for nucl in record:
                if nucl in nucleotides:
                    continue
                else:
                    print(str(record.id)+": is ambiguous")
                    break
            else:
                mol_weight= Bio.SeqUtils.molecular_weight(record)
                print(str(record.id)+": is unambiguous & molecular weight = "+str(mol_weight))

function("random.fasta")

如果我在不明确的序列上使用这段代码，绝对没有问题，而且我得到了我所想到的结果。然而，如果我包含明确的序列，我得到"ValueError：'I‘不是由’Bio.SeqUtils.molecular_weight(记录)‘函数引起的一个有效的、明确的DNA字母“，在我看来，这个函数在我看来是没有意义的，因为字母'I’通常会导致第一个letter语句中的中断(如果我正确的话)。

我还使用了一个自定义函数来手动计算分子量(基于固定的值)，在这种情况下没有错误，该函数对于不明确和明确的序列都能很好地工作。然而，有人指出，我的手工计算并不像内置函数那样精确。

我对Python有点陌生，但我希望有人可能知道为什么ValueError还会出现，以及如何解决它。

Answer 1

我认为错误发生在表达式mol_weight= Bio.SeqUtils.molecular_weight(record)中。

记录被隐式转换为它的字符串表示ID: SEQUENCE_1 ...。因此，'I'在ValueError中根本不对应一个核苷酸，而是一个相当随机的字符串值。

尝试这一行：mol_weight = Bio.SeqUtils.molecular_weight(record.seq)

对我来说，它返回了所需的结果：

SEQUENCE_1: is unambiguous & molecular weight = 331.2218

对于一个琐碎的序列(只是字母A)，在此之前会引发您描述的错误。

>SEQUENCE_1
A

更新：

完整的解决方案如下所示：

from Bio import SeqIO, SeqUtils


def function(filename):
    with open(filename) as file:
        for record in SeqIO.parse(file, "fasta"):
            try:
                mol_weight = SeqUtils.molecular_weight(record.seq)
                print(f"{record.id}: is unambiguous & molecular weight = {mol_weight}")
            except ValueError as exception:
                print(f"{record.id}: {exception}")


if __name__ == '__main__':
    function("random.fasta")

我包括了@pippo1980的答案，因为它确实更简单，更快，而且可以说是更节奏式的。

Answer 2

较短：

from Bio import SeqIO, SeqUtils



def function(filename):
    with open(filename) as file:
        for record in SeqIO.parse(file, "fasta"):
            try:
                mol_weight= SeqUtils.molecular_weight(record.seq, 'DNA')
                print(str(record.id)+": is unambiguous & molecular weight = "+str(mol_weight))
            
            except Exception as exception:
                print(record.id+':',str(type(exception).__name__), str(exception))
            

function("random.fasta")
            

function("random.fasta")

输入random.fasta文件：

>first
AAAAAAAAAAAAATTTTTTTTTTTTTTGGGGGGGGGGGGGGCCCCCCCCCCCCCCGTA
>second
AAAAAAAAAAAAAAAAAAAAATTTTTTTTTTTTTTTTICCCCCCCCCCCCCCCCCCCCCCCCCCC
>third
AAAAAAAAAQQQQQQQQQQQQQQQQQQTTTTTTTTTT
>fourth
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAATTTTTTTTTTTTTTTTTGGGGGGGGGGGGGGGGGCGCGCGCGCGC

产出：

first: is unambiguous & molecular weight = 17952.438
second: ValueError 'I' is not a valid unambiguous letter for DNA
third: ValueError 'Q' is not a valid unambiguous letter for DNA
fourth: is unambiguous & molecular weight = 25755.56080000001