如何从蛋白质序列中提取所有可能的蛋氨酸残基？

Question

我希望从一个序列中提取出所有的蛋氨酸残基。

按以下顺序排列：

MFEIEEHMKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG

原氨基酸序列：

atgtttgaaatcgaagaacatatgaaggattcacaggtggaatacataattggccttcataatatcccattattgaatgcaactatttcagtgaagtgcacaggatttcaaagaactatgaatatgcaaggttgtgctaataaatttatgcaaagacattatgagaatcccctgacgggg

我想从序列中提取出任何M个残基到末尾，并得到以下内容：

- MFEIEEHMKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG
- MKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG
- MNMQGCANKFMQRHYENPLTG
- MQGCANKFMQRHYENPLTG
- MQRHYENPLTG

根据我正在处理的数据，在序列中有更多的"M“残基。

我目前拥有的脚本如下。这个脚本首先翻译基因组数据，然后处理氨基酸序列。这做了前两个提取，但没有进一步。

在第二次扫描之后，我尝试重复相同的扫描方法(请参阅下面脚本中的注释部分)，但这只是给出了一个错误：

private method scan called for #<Array:0x7f80884c84b0> No Method Error

我知道我需要做一个循环，并且已经尝试过，但是都是徒劳的。我也尝试过匹配，但我没有做到-我认为你不能匹配重叠字符，一个单一的匹配方法，但再次，我只是一个初学者.

下面是我使用的脚本：

#!/usr/bin/env ruby

require "bio" 

def extract_open_reading_frames(input)

  file_output = File.new("./output.aa", "w")
  input.each_entry do |entry|
    i = 1
    entry.naseq.translate(1).scan(/M\w*/i) do |orf1|
      file_output.puts ">#{entry.definition.to_s} 5\'3\' frame 1:#{i}\n#{orf1}"
      i = i + 1 
      orf1.scan(/.(M\w*)/i) do |orf2|
        file_output.puts ">#{entry.definition.to_s} 5\'3\' frame 1:#{i}\n#{orf2}"
        i = i + 1
        #   orf2.scan(/.(M\w*)/i) do |orf3|
        #     file_output.puts ">#{entry.definition.to_s} 5\'3\' frame 1:#{i}\n#{orf3}"
        #     i = i + 1
        #   end
      end
    end 
  end
  file_output.close
end


biofastafile = Bio::FlatFile.new(Bio::FastaFormat, ARGF)

extract_open_reading_frames(biofastafile)

脚本必须在Ruby中，因为这是Ruby中更长的脚本的一部分。

Answer 1

str = "MFEIEEHMKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG"

pos = 0

while pos < str.size
  if md = str.match(/M.*/, pos)
    puts md[0]
    pos = md.offset(0)[0] + 1
  else
    break
  end
end

--output:--
MFEIEEHMKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG
MKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG
MNMQGCANKFMQRHYENPLTG
MQGCANKFMQRHYENPLTG
MQRHYENPLTG

md --代表MatchData对象。match() --如果没有匹配，则返回零，第二个参数是搜索的起始位置。md[0] --是整个比赛(md[1]将是第一个括号组，等等)。md.offset(n) --返回一个数组，其中包含md[n]字符串中的起始位置和结束位置。

在字符串"MMMM“上运行程序将产生输出：

MMMM
MMM
MM
M

我也尝试过匹配，但我没有做到-我认为你不能匹配重叠字符，一个单一的匹配方法，但再次，我只是一个初学者.

是的，那是真的。String#scan将不会找到重叠匹配。在scan找到匹配后，搜索将从匹配的末尾开始。Perl有一些方法来备份regexes，我不知道Ruby是否有这些方法。

编辑：

对于Ruby 1.8.7：

str = "MFEIEEHMKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG"

pos = 0

while true
  str = str[pos..-1]

  if md = str.match(/M.*/)
    puts md[0]
    pos = md.offset(0)[0] + 1
  else
    break
  end
end

Answer 2

你可以：

str = "MFEIEEHMKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG"
str.scan(/(?=(M.*))./).flatten
#=> ["MFEIEEHMKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG", MKDSQVEYIIGLHNIPLLNATISVKCTGFQRTMNMQGCANKFMQRHYENPLTG", "MNMQGCANKFMQRHYENPLTG", "MQGCANKFMQRHYENPLTG", "MQRHYENPLTG"]

这是通过从M开始，一次前进一个字符来捕获外观。