为三个阅读框创建列表的列表

Question

我觉得从三个不同的框架读取一个序列会很酷，所以我把相关内容贴在下面。不过，我遇到了一个难题：怎么制作一个列表的列表。我的目标是得到一个最终的输出，显示每个框架的数据，并用 + 或 - 来表示读取的方向（比如 +1、+2、+3、-1、-2、-3），还有每个起始密码子的位置，以及它的终止密码子，最后是起始密码子和终止密码子之间的长度。（我只想找最长的开放阅读框，简称 ORF）输出的例子大概是这样的：

 +1 57166..61908  4743. 

我想要一个列表的列表，是因为我想把在下面代码中找到的所有起始密码子存起来，然后以某种方式放到输出里。我觉得列表的列表可能是从三个不同框架获取这些信息的最佳方式。不过，我不太确定该怎么开始……能不能给我一个起步的方法？我上次检查时，while 循环是正常工作的。谢谢。

def codons(self, frame_one, frame_two, frame_three): 
    while frame_one <=len(self.seq): 
        yield (self.seq[frame_one:frame_one+3]) 
        frame_one += 3

    while frame_two <=len(self.seq):
        yield (self.seq[frame_two:frame_two+3])
        frame_two += 3

    while frame_three <=len(self.seq):
        yield (self.seq[frame_three:frame_three+3])
        frame_three += 3

val = seq.codons(0,1,2)

for i in val:
    return(i)

self.startlist.append[[frame_one], [frame_two], [frame_three]]

Answer 1

一些建议：

1. return 只在函数定义和生成器中使用，其他地方用不到。你可能想用 print() 来替代它。

2. frame_one、frame_two 和 frame_three 是函数的参数（我猜的，因为看不到你代码的其他部分），在函数外是无法访问的。所以你最后的语句，看起来是在函数定义外（你的缩进正确吗？），不会像你想的那样工作，甚至根本无法工作。

3. 同样，由于我们看不到你的代码，seq 是什么也不清楚——它是你类中的另一个函数吗？还是类的一个实例？还是类的属性？无论它是什么，确保在所有情况下都正确引用它。你在 while 语句中提到 self.seq，这让我觉得它是类的另一个部分——可能是一个属性，因为你在计算它的长度。但在函数外，seq 变成了某种实例对象，调用它的方法 codon()。你不能这样做——试着用 self.codon() 来调用。

仔细检查你的代码，逐行在 Python REPL 中运行，确保它确实正常工作。然后，回来问一个合理的问题，提供一些示例输入和预期输出，清楚地描述你想做什么，你到目前为止尝试了什么，以及哪里出错了，如果需要的话，附上相关错误的完整文本。我是生命科学的研究者，所以我知道什么是 ORF，但至少简单解释一下或链接到维基百科也是合适的。

Answer 2

我想你手上有一串来自DNA的核苷酸序列，你想知道在这串序列的三个不同阅读框中是否有基因存在。我建议使用Biopython来完成这个任务，但也有其他方法可以不使用“标准”解决方案。这里我分享一下我自己的一个解决办法。

主要的问题是如何找到甲硫氨酸的位置和终止密码子的位置（它们之间的长度只是个参考）。为了做到这一点，我们需要知道它们的样子：

start = 'AUG'
stop = ('UAA', 'UGA', 'UAG')

开放阅读框（ORF）的起始点是编码甲硫氨酸的密码子，而终止密码子可以是琥珀、黄褐或乳白色的密码子中的任何一个。

现在我们可以得到它们的位置列表：

sequence = "ATATAGACATCGAATACTAATAGCATACAGTCCAAATTCGGAGCCCGACATTCTTCGATAACGACCGCTGATTATATGGGGCTCCGTCTACTCTAGGAGTTCTTGGCTGAGCCCTTCTAATTACCCACCGGGTGGCACACCAAGGACCGAAAAACCGTGGCCCGTGGGGAAAGTATCAGAACGGTACGGACCGTTTTTCCACCTCAAGGGACACCTTTGTCCCCGCCAATTATGCCAACCTCTCATAGTATTATATCTCCTCAATTTCTATGTGCGCAGTGTCTGTATGTTAGGACGCGCATGCACTGAAATGGCGATAGTGTGAATACATAGGTCATCTTGTGCCAGTGGCTGACTGATCGTCTACAAGTGACAATGCTGTGAATAACAAGATTGTGCACATGTCTAACCCGTGAGCTGGAGCTCCATAGCTATGGAGCTCCAGCTCACGGGTTAGACATTTTACAGTAGCGTACATTTCTGGCCGACCAACAGTGCATGGAGTTCAAGGCACATCCTTACTAAATTCTCCGTGTCCAGATTTAACAGCGAAGACGCTTTCCACGGACACAAGTATGAAAAGCGGCCGAAGGGGTCATTTGGACCAATGGACTGTTAGCGATACGCAAGAGTGAAAGGCGGGCGATCCACATTACAAATCCCTATCAGGACTGCGAATAAGATTTTCCTGAATATGAGTGGTGTGGACAGAGCTATGTTTTTCGAATTCCGCACACTCGAGTGCGCGGCCTTCTCAGAGTTTTAAACTTTGCCTGGGTACTGATTATTATAGTCCAAGTAGAATAGTCACTCTATATTTTTAATAGAATGCGGGTGACACCGGCAAGAGAACCGAGCATTT"

start = 'ATG'
stop = ('TAA', 'TGA', 'TAG')
stop_positions = []
start_positions = []

# Normal direction
for i in range(len(sequence)): # Create the index value
    if sequence[i:].startswith(start): # Check if there is a methionine in this position.
        start_positions.append(i)
    else:
        for stop_codon in stop:
            if sequence[i::].startswith(stop_codon): # Check if there is a stop in this position.
                stop_positions.append(i)
                break

要反转它们，我们可以使用 sequence = sequence[::-1]，然后再重复上面的代码。（注意，如果这样做，你会得到反向的索引）现在我们需要判断哪些是开放阅读框，哪些不是。我们可以用几个循环来实现：

for start_ in start_positions:
    for  stop_ in stop_positions:
        if stop_ <= start_:
            continue
        else:
            print("{}...{}".format(start_, stop_))
            break

获取阅读框的名称很简单，只需将起始位置除以3，余数减去1就是对应的框。

这是上面代码的输出，正如你所看到的，我没有实现你所需的所有功能，但添加这些功能并不复杂。

75...93
231...245
269...290
286...290
300...306
310...317
375...381
401...406
433...454
498...522
575...576
607...616
694...695
715...763
828...835
Reversed sequence
# Note that the indexes start from 1, to get the real index do len(sequence) -index
61...62 
82...101
286...287
387...393
392...393
575...582
612...613
676...688
687...688

一些注意事项：

确保长度大于1个核苷酸。更快的方法是翻译序列，获取甲硫氨酸和终止密码子之间的所有内容。如果你使用的是Python 3，这段代码运行良好，如果你使用其他版本，可能需要做一些修改。

这段代码还有很多可以改进的地方，以获得你想要的确切结果。如果你无法调整这段代码来实现目标，或者你不太理解它的工作原理，可以在下面留言，或者如果你有更复杂的问题，可以另起一个问题并等待回复。（我不想直接回答Rosalind的问题）