在三组列表中解析项目，并在读取框架之间提取片段。(即DNA外显子转录)

Question

我试图找到一种方法来读取列表列表中的项目，在一组三项中，并找到由3项(密码子)组成的组合来确定片段的开头，并找到另一种组合来查找片段的末尾(停止密码子)。

因此，阅读框架和列表应该由程序读取如下：

清单1: XXXXX-开始-兴趣片段-停止-XXXXXXX

我想要做的只是提取感兴趣的片段，并把它附加到另一个列表中，然后去掉剩下的部分。

这是一个更具体的例子：

起始密码子: ATG

停止密码子:标记

gene_1= 'ACGGACTATTC‘

gene_2= 'GGCCATGAGTAACGCATAGGGCCC

gene_3=GGGCCCATGACGTACTAGGGGCCCATGCATTCATAG

因此，第一个列表不包含任何感兴趣的片段，而第二个列表包含1个，第三个列表包含2个。我试图摆脱这些阅读框架之外的所有内容，并将这些感兴趣的片段附加到一个应该类似于这样的列表中。

frag_int =“AGTAACGCA”、“ACGTAC”、“CATTCA”

到目前为止，这就是我所拥有的：

#这些是str genelist=[]

gene_1= 'A','C','G','G','A','C','T','A','T','T','C'
gene_2= 'G','G','C','C','A','T','G','A','G','T','A','A','C','G','C','A','T','A','G','G','G','C','C','C'
gene_3='G','G','G','C','C','C','A','T','G','A','C','G','T','A','C','T','A','G','G','G','G','C','C','C','A','T','G','C','A','T','T','C','A','T','A','G'

genelist.append(gene_1)
genelist.append(gene_2)
genelist.append(gene_3)

def transcription(ORF):
    mRNA= ''
    for i in range(0, len(ORF), 3):
        codon= ORF[i:i+3]
        if codon != 'ATG':
            next(codon)
            if codon == 'ATG':
                mRNA=codon.transcribe()
                if codon == 'TAG':
                    break
    return(mRNA)

mRNAs=[]
for gene in genelist:
    for codon in gene:
        mRNA= transcription(codon)
        mRNAs.append(mRNA)
print(mRNAs)

但是它并没有回报任何东西，我想知道代码--它是不是太多余了--我真的不需要在这里定义一个函数，您知道有什么更好的方法吗？塔兰克斯！！

Answer 1

谢谢大家的评论，我去了生物信息学部分，并从@terdon获得了帮助。这是我在问题中描述的最基本的方法，但是请注意，如果有人试图寻找ORFS和转录基因，在python的程序中有一些生物规则需要考虑，并且应该考虑读取和停止密码子，然而，这只是如何开始构建代码的一个例子:另外，请注意，这段代码使用了生物编码。

从Bio.Seq导入Seq从Bio.Seq导入转录

genelist=[]

gene_1= 'A','C','G','G','A','C','T','A','T','T','C'
gene_2= 'G','G','C','C','A','T','G','A','G','T','A','A','C','G','C','A','T','A','G','G','G','C','C','C'
gene_3='G','G','G','C','C','C','A','T','G','A','C','G','T','A','C','T','A','G','G','G','G','C','C','C','A','T','G','C','A','T','T','C','A','T','A','G'

genelist.append(gene_1)
genelist.append(gene_2)
genelist.append(gene_3)

def transcription(ORF):
    mRNA= ''
    foundStart = False
    foundEnd = False
    for i in range(0, len(ORF), 3):
        codon= "".join(ORF[i:i+3])
        if codon == 'ATG' and not foundStart:
            foundStart = True
        if foundStart and not foundEnd:
            cc=transcribe(codon)
            mRNA = mRNA + transcribe(codon)
        if codon == 'TAG':
            foundEnd = True
       
    return(mRNA)

mRNAs=[]
for gene in genelist:
    mRNA = transcription(gene)
    mRNAs.append(mRNA)
print(mRNAs)

Answer 2

与其列出每种氨基酸的清单，不如尝试将基因转化为字符串，并使用regex找到起始和结束位置。基因3不是多顺反子基因而不是外显子基因吗？

就像这样：

import re

gene = 'GGGCCCATGACGTACTAGGGGCCCATGCATTCATAG'

rna = re.findall('ATG(.+?(?=TAG))', gene)