Rosalind将rna翻译成蛋白质python

Question

以下是我对问题 of rosalind项目的解决方案。

def prot(rna):
  for i in xrange(3, (5*len(rna))//4+1, 4):
    rna=rna[:i]+','+rna[i:]
  rnaList=rna.split(',')
  bases=['U','C','A','G']
  codons = [a+b+c for a in bases for b in bases for c in bases]
  amino_acids = 'FFLLSSSSYY**CC*WLLLLPPPPHHQQRRRRIIIMTTTTNNKKSSRRVVVVAAAADDEEGGGG'
  codon_table = dict(zip(codons, amino_acids))
  peptide=[]
  for i in range (len (rnaList)):
    if codon_table[rnaList[i]]=='*':
      break
    peptide+=[codon_table[rnaList[i]]]
  output=''
  for i in peptide:
    output+=str(i)
  return output

如果运行prot('AUGGCCAUGGCGCCCAGAACUGAGAUCAAUAGUACCCGUAUUAACGGGUGA')，就会得到正确的输出'MAMAPRTEINSTRING'。然而，如果rna序列(输入字符串)是数百个核苷酸(字符)，我得到一个错误：

 Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
 File "<stdin>", line 11, in prot
 KeyError: 'CUGGAAACGCAGCCGACAUUCGCUGAAGUGUAG'

你能指出我哪里出了问题吗？

Answer 1

考虑到您有一个KeyError，那么问题肯定是在您尝试访问codon_table[rnaList[i]]时出现的。假设rnalist中的每一项都是三个字符，但在某种程度上，这显然不再是True，其中一个项是'CUGGAAACGCAGCCGACAUUCGCUGAAGUGUAG'。

这是因为当您重新分配rna = rna[:i]+','+rna[i:]时，您更改了rna的长度，这样索引i就不再到达列表的末尾。这意味着对于任何rna，在len(rna) > 60中，列表中的最后一项都不会有3长度。如果在到达项目之前有一个停止密码子，这不是问题，但是如果您到达它，就会得到KeyError。

我建议您重写函数的开头，例如使用grouper itertools

from itertools import izip_longest

def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx
    args = [iter(iterable)] * n
    return izip_longest(fillvalue=fillvalue, *args)

def prot(rna):
    rnaList = ["".join(t) for t in grouper(rna, 3)]
    ...

还请注意，您可以使用

peptide.append(codon_table[rnaList[i]])

和

return "".join(peptide)

来简化你的代码。

Answer 2

这并不能回答您的问题，但是请注意，您可以使用BioPython非常简洁地解决这个问题。

from Bio.Seq import Seq
from Bio.Alphabet import IUPAC

def rna2prot(rna):
    rna = Seq(rna, IUPAC.unambiguous_rna)
    return str(rna.translate(to_stop=True))

例如：

>>> print rna2prot('AUGGCCAUGGCGCCCAGAACUGAGAUCAAUAGUACCCGUAUUAACGGGUGA')
MAMAPRTEINSTRING

Answer 3

将rna分解为3 char块的代码有点麻烦；您需要花费大量的时间来分解和重建字符串，而不是为了真正的目的。

构建codon_table只需要完成一次，而不是每次运行函数时。

以下是一个简化的版本：

from itertools import product, takewhile

bases = "UCAG"
codons = ("".join(trio) for trio in product(bases, repeat=3))
amino_acids = 'FFLLSSSSYY**CC*WLLLLPPPPHHQQRRRRIIIMTTTTNNKKSSRRVVVVAAAADDEEGGGG'
codon_table = dict(zip(codons, amino_acids))

def prot(rna):
    rna_codons = [rna[i:i+3] for i in range(0, len(rna) - 2, 3)]
    aminos = takewhile(
        lambda amino: amino != "*",
        (codon_table[codon] for codon in rna_codons)
    )
    return "".join(aminos)