Biopython SeqIO在*.ab1文件中处理NNNNN

Question

谢谢你的帮助。我很抱歉，如果Biopython中内置了一个函数来处理这个问题，我会阅读整个手册，但什么也找不到。

目标：读取原始测序文件(*.ab1)并使用sequence.seq.translate(11)进行处理，但是，我得到了这个错误-- "Bio.Data.CodonTable.TranslationError: Codon 'NNN‘是无效的“

My解决方案：向CodonTable添加了一个额外的表，并注释掉了Bio.Data.CodonTable中的模糊检查器(必须这样做才能使其工作)

register_ncbi_table(
    name = 'bacteria sequencing table',
    alt_name = None,
    id = 24,
    table = {
        'TTT': 'F', 'TTC': 'F', 'TTA': 'L', 'TTG': 'L', 'TCT': 'S',
        'TCC': 'S', 'TCA': 'S', 'TCG': 'S', 'TAT': 'Y', 'TAC': 'Y',
        'TGT': 'C', 'TGC': 'C', 'TGG': 'W', 'CTT': 'L', 'CTC': 'L',
        'CTA': 'L', 'CTG': 'L', 'CCT': 'P', 'CCC': 'P', 'CCA': 'P',
        'CCG': 'P', 'CAT': 'H', 'CAC': 'H', 'CAA': 'Q', 'CAG': 'Q',
        'CGT': 'R', 'CGC': 'R', 'CGA': 'R', 'CGG': 'R', 'ATT': 'I',
        'ATC': 'I', 'ATA': 'I', 'ATG': 'M', 'ACT': 'T', 'ACC': 'T',
        'ACA': 'T', 'ACG': 'T', 'AAT': 'N', 'AAC': 'N', 'AAA': 'K',
        'AAG': 'K', 'AGT': 'S', 'AGC': 'S', 'AGA': 'R', 'AGG': 'R',
        'GTT': 'V', 'GTC': 'V', 'GTA': 'V', 'GTG': 'V', 'GCT': 'A',
        'GCC': 'A', 'GCA': 'A', 'GCG': 'A', 'GAT': 'D', 'GAC': 'D',
        'GAA': 'E', 'GAG': 'E', 'GGT': 'G', 'GGC': 'G', 'GGA': 'G',
        'GGG': 'G', 'AAN': 'X', 'TAN': 'X', 'GAN': 'X', 'CAN': 'X',
        'ATN': 'X', 'TTN': 'X', 'GTN': 'X', 'CTN': 'X', 'ACN': 'X', 
        'TCN': 'X', 'GCN': 'X', 'CCN': 'X', 'AGN': 'X', 'TGN': 'X',
        'GGN': 'X', 'CGN': 'X', 'ANA': 'X', 'TNA': 'X', 'GNA': 'X',
        'CNA': 'X', 'ANT': 'X', 'TNT': 'X', 'GNT': 'X', 'CNT': 'X',
        'ANC': 'X', 'TNC': 'X', 'GNC': 'X', 'CNC': 'X', 'ANG': 'X', 
        'TNG': 'X', 'GNG': 'X', 'CNG': 'X', 'NAA': 'X', 'NTA': 'X', 
        'NGA': 'X', 'NCA': 'X', 'NAT': 'X', 'NTT': 'X', 'NGT': 'X', 
        'NCT': 'X', 'NAC': 'X', 'NTC': 'X', 'NGC': 'X', 'NCC': 'X',
        'NAG': 'X', 'NTG': 'X', 'NGG': 'X', 'NCG': 'X', 'NNN': 'X',
        'ANN': 'X', 'TNN': 'X', 'GNN': 'X', 'CNN': 'X', 'NAN': 'X',
        'NTN': 'X', 'NGN': 'X', 'NCN': 'X', 'NNA': 'X', 'NNT': 'X',
        'NNG': 'X', 'NNC': 'X', 'NNN': 'X'},
    stop_codons = ['TAA', 'TAG', 'TGA'],
    start_codons = ['TTG', 'CTG', 'ATT', 'ATC', 'ATA', 'ATG', 'GTG'])

模糊检查器

for n in ambiguous_generic_by_id:

    assert ambiguous_rna_by_id[n].forward_table["GUU"] == "V"
    assert ambiguous_rna_by_id[n].forward_table["GUN"] == "V"
    if n != 23 :
        #For table 23, UUN = F, L or stop.
        assert ambiguous_rna_by_id[n].forward_table["UUN"] == "X"  # F or L

        #R = A or G, so URR = UAA or UGA / TRA = TAA or TGA = stop codons
    if "UAA" in unambiguous_rna_by_id[n].stop_codons and\
       "UGA" in unambiguous_rna_by_id[n].stop_codons:
       try:
           print(ambiguous_dna_by_id[n].forward_table["TRA"])
           assert False, "Should be a stop only"
        except KeyError:
            pass
    assert "URA" in ambiguous_generic_by_id[n].stop_codons
    assert "URA" in ambiguous_rna_by_id[n].stop_codons
    assert "TRA" in ambiguous_generic_by_id[n].stop_codons
    assert "TRA" in ambiguous_dna_by_id[n].stop_codons

    del n

问题1:我不喜欢编辑根CodonTable.py文件。关于如何避免这种情况，有什么建议吗？

问题2:我真的不想评论不明确的检查器。有人能帮我写一个例外的歧义检查将忽略我的新密码子表吗？

Answer 1

加载ABI文件时，Biopython将Seq字母表设置为IUPACUnambiguousDNA()。我的第一种方法是将字母表设置为SingleLetterAlphabet()

from Bio import SeqIO
from Bio.Alphabet import SingleLetterAlphabet

for rec in SeqIO.parse("prots.ab1", "abi", alphabet=SingleLetterAlphabet()):
    print rec.seq.translate(11)

现在，seq翻译成"X“和"N”。