分析列表列表中的项目，三人一组，并在阅读框之间提取片段。（又名DNA外显子转录）

Question

我试图找到一种方法来读取一组三个列表中的项目，并找到三个项目的组合（密码子）来确定片段的开始，另一个三个项目的组合来找到片段的结束（停止密码子）

因此，读取帧和列表应由程序读取，如下所示：

清单1:XXXXX-start-FRAGENT of interest-stop-XXXXXX

我想做的只是提取感兴趣的片段并将其附加到另一个列表中，然后去掉其余的部分。

这是一个更具体的例子：

起始密码子：ATG

终止密码子：标签

基因_1='ACGGACTATTC'

基因2='GGCCATGAGTAACGCATAGGGCCC

基因3=GGGCCCATGACGTACTAGGGGCCCATGCATTCATAG

因此，第一个列表不包含任何感兴趣的片段，而第二个列表包含1，第三个列表包含2。我试图摆脱这些阅读框架之外的一切，并将这些感兴趣的片段添加到一个列表中，该列表应该是这样的

frag_int=['AGTAACGCA'，'ACGTAC'，'CATTCA']

这就是我到目前为止所做的：

#这些是str 基因列表=[]

gene_1= 'A','C','G','G','A','C','T','A','T','T','C'
gene_2= 'G','G','C','C','A','T','G','A','G','T','A','A','C','G','C','A','T','A','G','G','G','C','C','C'
gene_3='G','G','G','C','C','C','A','T','G','A','C','G','T','A','C','T','A','G','G','G','G','C','C','C','A','T','G','C','A','T','T','C','A','T','A','G'

genelist.append(gene_1)
genelist.append(gene_2)
genelist.append(gene_3)

def transcription(ORF):
    mRNA= ''
    for i in range(0, len(ORF), 3):
        codon= ORF[i:i+3]
        if codon != 'ATG':
            next(codon)
            if codon == 'ATG':
                mRNA=codon.transcribe()
                if codon == 'TAG':
                    break
    return(mRNA)

mRNAs=[]
for gene in genelist:
    for codon in gene:
        mRNA= transcription(codon)
        mRNAs.append(mRNA)
print(mRNAs)

但是它并没有什么回报，我想知道代码是否太冗余了，我真的不需要在这里定义函数，你知道更好的方法吗？ Thaaanks

Answer 1

谢谢大家的评论，我去了生物信息学部分，得到了@terdon的帮助。 这是我在问题中描述的最基本的方法，但是，请注意，如果有人试图找到ORF并转录基因，在使用python的程序中，需要考虑一些生物学规则，并且应该考虑读取和终止密码，但是，这只是一个如何开始构建代码的示例： 另外，请注意，此代码使用biopython

从生物序列导入序列 从Bio.Seq导入转录

genelist=[]

gene_1= 'A','C','G','G','A','C','T','A','T','T','C'
gene_2= 'G','G','C','C','A','T','G','A','G','T','A','A','C','G','C','A','T','A','G','G','G','C','C','C'
gene_3='G','G','G','C','C','C','A','T','G','A','C','G','T','A','C','T','A','G','G','G','G','C','C','C','A','T','G','C','A','T','T','C','A','T','A','G'

genelist.append(gene_1)
genelist.append(gene_2)
genelist.append(gene_3)

def transcription(ORF):
    mRNA= ''
    foundStart = False
    foundEnd = False
    for i in range(0, len(ORF), 3):
        codon= "".join(ORF[i:i+3])
        if codon == 'ATG' and not foundStart:
            foundStart = True
        if foundStart and not foundEnd:
            cc=transcribe(codon)
            mRNA = mRNA + transcribe(codon)
        if codon == 'TAG':
            foundEnd = True
       
    return(mRNA)

mRNAs=[]
for gene in genelist:
    mRNA = transcription(gene)
    mRNAs.append(mRNA)
print(mRNAs)

Answer 2

与其列出每种氨基酸，不如试着把基因变成一个字符串，然后用正则表达式找到起始和结束位点？ 基因3不是一个多顺反子基因，而不是一个带有外显子的基因吗

大概是这样的：

import re

gene = 'GGGCCCATGACGTACTAGGGGCCCATGCATTCATAG'

rna = re.findall('ATG(.+?(?=TAG))', gene)