使用Python反向互补DNA链

Question

我有一个 DNA 序列，想使用 Python 获得它的反向互补序列。它位于 CSV 文件的其中一列中，我想将反向补码写入同一文件中的另一列。棘手的部分是，有一些单元格包含 A、T、G 和 C 以外的内容。我能够用这段代码获得反向补码：

def complement(seq):
    complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} 
    bases = list(seq) 
    bases = [complement[base] for base in bases] 
    return ''.join(bases)
    def reverse_complement(s):
        return complement(s[::-1])

    print "Reverse Complement:"
    print(reverse_complement("TCGGGCCC"))

但是，当我尝试查找补码字典中不存在的项目时，使用下面的代码，我只得到最后一个碱基的补码。它不迭代。我想知道如何解决它。

def complement(seq):
    complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} 
    bases = list(seq) 
    for element in bases:
        if element not in complement:
            print element  
        letters = [complement[base] for base in element] 
        return ''.join(letters)
def reverse_complement(seq):
    return complement(seq[::-1])

print "Reverse Complement:"
print(reverse_complement("TCGGGCCCCX"))

Answer 1

其他答案完全没问题，但如果你打算处理真实的 DNA 序列，我建议使用 Biopython。如果遇到“-”、“*”或不定义等字符怎么办？如果您想对序列进行进一步操作怎么办？您想为每种文件格式创建一个解析器吗？

您要求的代码很简单：

from Bio.Seq import Seq

seq = Seq("TCGGGCCC")

print seq.reverse_complement()
# GGGCCCGA

现在如果你想做另一个转变：

print seq.complement()
print seq.transcribe()
print seq.translate()

输出

AGCCCGGG
UCGGGCCC
SG

如果您遇到奇怪的字符，无需继续向程序中添加代码。 Biopython 处理它：

seq = Seq("TCGGGCCCX")
print seq.reverse_complement()
# XGGGCCCGA

Answer 2

一般来说，生成器表达式比原始代码更简单，并且避免创建额外的列表对象。如果可以插入多个字符，请选择其他答案。

complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
seq = "TCGGGCCC"
reverse_complement = "".join(complement.get(base, base) for base in reversed(seq))

Answer 3

import string
old_chars = "ACGT"
replace_chars = "TGCA"
tab = string.maketrans(old_chars,replace_chars)
print "AAAACCCGGT".translate(tab)[::-1]

这会给你相反的赞美= ACCGGGTTTT

Answer 4

字典的

get

方法允许您在字典中没有键的情况下指定默认值。作为预处理步骤，我会将所有非“ATGC”碱基映射到单个字母（或标点符号、数字或序列中不会出现的任何内容），然后反转序列，然后将单个字母替换为原始字母。或者，您可以先将其反转，然后搜索并将

sni

等内容替换为

ins

。

alt_map = {'ins':'0'}
complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'} 

def reverse_complement(seq):    
    for k,v in alt_map.iteritems():
        seq = seq.replace(k,v)
    bases = list(seq) 
    bases = reversed([complement.get(base,base) for base in bases])
    bases = ''.join(bases)
    for k,v in alt_map.iteritems():
        bases = bases.replace(v,k)
    return bases

>>> seq = "TCGGinsGCCC"
>>> print "Reverse Complement:"
>>> print(reverse_complement(seq))
GGGCinsCCGA

Answer 5

反向补码最快的一个班轮如下：

def rev_compl(st):
    nn = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
    return "".join(nn[n] for n in reversed(st))

Answer 6

def ReverseComplement(Pattern):
    revcomp = []
    x = len(Pattern)
    for i in Pattern:
        x = x - 1
        revcomp.append(Pattern[x])
    return ''.join(revcomp)

# this if for the compliment 

def compliment(Nucleotide):
    comp = []
    for i in Nucleotide:
        if i == "T":
            comp.append("A")
        if i == "A":
            comp.append("T")
        if i == "G":
            comp.append("C")
        if i == "C":
            comp.append("G")

    return ''.join(comp)

Answer 7

尝试一下下面的代码，

complement = {'A': 'T', 'C': 'G', 'G': 'C', 'T': 'A'}
seq = "TCGGGCCC"
reverse_complement = "".join(complement.get(base, base) for base in reversed(seq))

Answer 8

还考虑简并碱基：

def rev_compl(seq):
    BASES ='NRWSMBDACGTHVKSWY'
    return ''.join([BASES[-j] for j in [BASES.index(i) for i in seq][::-1]])

Answer 9

这可能是完成反向恭维的最快方式：

def complement(seq):
    complementary = { 'A':'T', 'T':'A', 'G':'C','C':'G' }
    return ''.join(reversed([complementary[i] for i in seq]))

Answer 10

使用

timeit

模块进行速度分析，这是我与同事一起提出的最快的序列算法 < 200 nucs:

sequence \
    .replace('A', '*') \  # Temporary symbol
    .replace('T', 'A') \
    .replace('*', 'T') \
    .replace('C', '&') \  # Temporary symbol
    .replace('G', 'C') \
    .replace('&', 'G')[::-1]