【ROSALIND】【练Python，学生信】22 核酸序列剪接
如果第一次阅读本系列文档请先移步阅读【ROSALIND】【练Python，学生信】00 写在前面 谢谢配合~
题目：
序列剪接（RNA Splicing）
Given: A DNA string s (of length at most 1 kbp) and a collection of substrings of s acting as introns. All strings are given in FASTA format.
所给：一条长度不超过1kb的DNA序列s，以及代表内含子的一些s子序列。
Return: A protein string resulting from transcribing and translating the exons of s. (Note: Only one solution will exist for the dataset provided.)
需得：由s序列外显子翻译得到的一条多肽序列。
测试数据
>Rosalind_10
ATGGTCTACATAGCTGACAAACAGCACGTAGCAATCGGTCGAATCTCGAGAGGCATATGGTCACATGATCGGTCGAGCGTGTTTCAAAGTTTGCGCCTAG
>Rosalind_12
ATCGGTCGAA
>Rosalind_15
ATCGGTCGAGCGTGT
测试输出
MVYIADKQHVASREAYGHMFKVCA
背景
真核生物的基因是不连续的，由外显子和内含子组成。DNA上的内含子会被转录到前体RNA中，但成熟mRNA上内含子被剪切掉，外显子连接在一起，在细胞中有剪接体催化这个过程的发生。
思路
本题的关键点是删去一个序列中的一段子序列，再把剩下的序列按原来的顺序连接在一起。我的思路是在原序列中查找一个内含子序列，把除这个序列以外的其他（两段）序列按顺序存储为一个新字符串，用新串内容代替老串，再查找第二个内含子序列，以此类推即可。
将该题拆为几个小问题：
其一，读取fasta文件并分别存储各字符串；
其二，按上面提到的思路，在原序列中查找内含子序列，剪接出去内含子的成熟序列；
其三，将DNA序列转录为RNA序列（以‘U’替换‘T’即可）；
其四，将RNA序列翻译为蛋白质。
可以看到，除问题二外，其余皆为之前解决过的问题。
代码
codon_table = {
'GCU':'A', 'GCC':'A', 'GCA':'A', 'GCG':'A', 'CGU':'R', 'CGC':'R',
'CGA':'R', 'CGG':'R', 'AGA':'R', 'AGG':'R', 'UCU':'S', 'UCC':'S',
'UCA':'S', 'UCG':'S', 'AGU':'S', 'AGC':'S', 'AUU':'I', 'AUC':'I',
'AUA':'I', 'UUA':'L', 'UUG':'L', 'CUU':'L', 'CUC':'L', 'CUA':'L',
'CUG':'L', 'GGU':'G', 'GGC':'G', 'GGA':'G', 'GGG':'G', 'GUU':'V',
'GUC':'V', 'GUA':'V', 'GUG':'V', 'ACU':'T', 'ACC':'T', 'ACA':'T',
'ACG':'T', 'CCU':'P', 'CCC':'P', 'CCA':'P', 'CCG':'P', 'AAU':'N',
'AAC':'N', 'GAU':'D', 'GAC':'D', 'UGU':'C', 'UGC':'C', 'CAA':'Q',
'CAG':'Q', 'GAA':'E', 'GAG':'E', 'CAU':'H', 'CAC':'H', 'AAA':'K',
'AAG':'K', 'UUU':'F', 'UUC':'F', 'UAU':'Y', 'UAC':'Y', 'AUG':'M',
'UGG':'W',
'UAG':'Stop', 'UGA':'Stop', 'UAA':'Stop'
}
def readfasta(lines):
seq = []
index = []
seqplast = ""
numlines = 0
for i in lines:
if '>' in i:
index.append(i.replace("\n", "").replace(">", ""))
seq.append(seqplast.replace("\n", ""))
seqplast = ""
numlines += 1
else:
seqplast = seqplast + i.replace("\n", "")
numlines += 1
if numlines == len(lines):
seq.append(seqplast.replace("\n", ""))
seq = seq[1:]
return index, seq
def translation(seq):
'''负责翻译RNA为蛋白质的函数'''
i = 0
p = ""
while i < len(seq)/3 - 1:
n = seq[3 * i] +seq[3*i+1] + seq[3*i+2]
r = codon_table[n]
i += 1
p = p + r
return p
f = open('rosalind_splc.txt', 'r')
lines = f.readlines()
f.close()
(index, seq) = readfasta(lines)
totlaseq = seq[0]
introns = seq[1:] # 将读取到的原序列和内含子序列分别存储
for line in introns:
n = len(line) # 得到内含子的长度
i = 0
while i < len(totlaseq) - n + 1:
subseq = totlaseq[i:i + n] # 逐个扫描长度与内含子相同的序列
if subseq == line: # 若找到内含子
newseq = totlaseq[:i] + totlaseq[i + n:] # 用新字符串存储去掉内含子的部分
totlaseq = newseq # 用新串取代老串
i += 1
rnaseq = totlaseq.replace('T', 'U')
protein = translation(rnaseq)
print(protein)
f = open('output.txt', 'w')
f.write(protein)
f.close()
