用Python代码查找带有起始和终止密码子的DNA

Question

所以最近我一直在尝试编写一个程序，根据起始密码子和终止密码子来检测和切断DNA序列的编码部分。在

最终的目标是比较两个240个核苷酸的序列，但是其中一个会导致镰状细胞疾病，所以你想看看这两个结果的编码部分之间的差异。在

这是我到目前为止编写的代码，它实际上可以处理随附的序列。在

sequence = "CCATGCTTGATCA"
sequence_list = list(sequence)
codon_list = ["ATG", "TAA", "TAG", "TGA"]
position_list = []

length_sequence = len(sequence)
length_codon = len(codon_list)
length_position = len(position_list)

n = length_sequence-1
while n >= 0:

    for i in range(0, len(codon_list)):
        codon_sub_list = list(codon_list[i])

        if sequence_list[n] == codon_sub_list[2] and sequence_list[n-1] == codon_sub_list[1] and sequence_list[n-2] == codon_sub_list[0]:
            position_list.append(n-2)
            print(sequence_list[n], "@", n)
            print(sequence_list[n-1], "@", n-1)
            print(sequence_list[n-2], "@", n-2)  

    n-=1

print(len(position_list))
print(sequence[position_list[length_position-1]:(position_list[0]+3)])

现在，我两天前做这个实验的结果很有希望。正如预期的那样，结果如下：

A at location 9

G at location 8

T at location 7

G at location 4

T at location 3

A at location 2

[7,2]

ATGCTTGA

然而，今天我尝试了一个不同的序列来继续这项工作，这次是240个核苷酸长序列中的一个。 下面是这两个序列以及它是哪一个。在

镰状细胞病序列号：gaccatcattgcttacattgtctgagaactgttcactgcaacctcagcaagacaggtgctctcagcaagagagagagagagtgtgttggttgctctgtgtgaggaagtgaggatgaaggtggtgagtgtgtgtgtgtgtgttagttggttagttagagtagagagagagagagttagttagagagagagagagttggttggttagagagagagagagagttggtttttcagagagagagagagagagttggtttttct在

正常序列：gaccatcattgcttacattgtctgagagagagcttgttggttgctctcagcaagagagtctgttagtctgttagagagagtctgttagtcttaggcagtgtgagcaagagtgagatgagtgaaggtgggtggtgagtgtgtgtgttagttagtagagagagagagagttagttagagagagagagagttggttagagagagagagagttggtttcttagagagagagagagagtgtttttct

不过，这是我从执行它得到的结果，我会很快列出核苷酸和它们的位置，因为它们大部分都是无关的，而最重要的是最后一个。在

[G,211] [T,210] [A,209] [G,199] [A,198] [T,197] [A,187] [A,186] [T,185] [A,145] [G,144] [T,143] [A,133] [G,132] [T,131] [G,132] [T,131] [A,130] [A,123] [G,122] [T,121] [A,78] [G,77] [T,76] [G,68] [T,67] [A,66] [G,47] [A,46] [T,45] [A,29] [G,28] [T,27] [A,1] [G,0] [T,-1]

[209, 197, 185, 143, 131, 130, 121, 76, 66, 45, 27, -1]

No sequence, just an empty line

现在很明显，当最后一个密码子，TGA，它注意到T的位置为-1时，问题就出现了，但是我不知道是什么原因导致了这个问题，并尝试调整了几个值来使它工作，但在任何情况下都没有做到。在

我想知道是什么引起的，该怎么办？另外，我两天前做了这个，主要是作为一个初稿开始的，而且可能还有其他更好的东西，所以如果有什么东西看起来有点草率，那就找借口吧，在我看来整个while循环可以做得更好，但在那一刻，我选择了它，因为一个不同的循环方法不起作用，已经记不清到底是什么了。在

注：我制作了一个空闲输出的屏幕截图，让您了解：

Answer 1

我发现你的原始代码有点不清楚（从右边开始搜索对我来说是违反直觉的），所以我试图编写一个替代方案。最重要的变化是，我现在从左到右遍历序列，并通过一次比对子序列来搜索密码子，而不是逐个核苷酸。这是我的代码，希望有一些有用的注释。这能满足你的需要吗？如果没有，请告诉我。在

sequence = "GAGCCATCTATTGCTTACATTTGCTTCTGACACAACTGTGTTCACTAGCAACCTCAAACAGACACCATGGTGCACCTGACTCCTGTGGAGAAGTCTGCCGTTACTGCCCTGTGGGGCAAGGTGAACGTGGATGAAGTTGGTGGTGAGGCCCTGGGCAGGTTGGTATCAAGGTTACAAGACAGGTTTAAGGAGACCAATAGAAACTGGGCATGTGGAGACAGAGAAGACTCTTGGGTTTCT"
codon_list = ["ATG", "TAA", "TAG", "TGA"]

# store the starting positions of the codons
found_codon_positions = []

# note that we can use len() and [] with strings as well, no need to
# convert to list first
n = len(sequence)
k = 0
while k < n-2:
    # extract a three-nucleotide subsequence
    possible_codon = sequence[k:k+3]
    if possible_codon in codon_list:
        found_codon_positions.append(k)
    k += 1

print('found codons at indices {}'.format(found_codon_positions))

print('extracted sequence:')
print(sequence[found_codon_positions[0]:found_codon_positions[-1]+3])

输出：

^{pr2}$