如何以dict形式返回序列代码（字符串），它告诉我氨基酸发生的频率？

Question

基本上，我正在尝试编写一个程序，它通过一个字符串运行，返回所有可能的氨基酸以及它们发生的频率。我做了这个程序，它给了我名字，但没有数字。有人能帮我吗

DNA_Codons = {
# U
'UUU': 'Phenylalanin', 'UCU': 'Serin', 'UAU': 'Tyrosin', 'UGU': 'Cystein',  # UxU
'UUC': 'Phenylalanin', 'UCC': 'Serin', 'UAC': 'Tyrosin', 'UGC': 'Cystein',  # UxC
'UUA': 'Leucin', 'UCA': 'Serin', 'UAA': '---', 'UGA': '---',  # UxA
'UUG': 'Leucin', 'UCG': 'Serin', 'UAG': '---', 'UGG': 'Tryptophan',  # UxG

# C
'CUU': 'Leucin', 'CCU': 'Prolin', 'CAU': 'Histidin', 'CGU': 'Arginin',  # CxU
'CUC': 'Leucin', 'CCC': 'Prolin', 'CAC': 'Histidin', 'CGC': 'Arginin',  # CxC
'CUA': 'Leucin', 'CCA': 'Prolin', 'CAA': 'Glutamin', 'CGA': 'Arginin',  # CxA
'CUG': 'Leucin', 'CCG': 'Prolin', 'CAG': 'Glutamin', 'CGG': 'Arginin',  # CxG

# A
'AUU': 'Isoleucin', 'ACU': 'Threonin', 'AAU': 'Asparagin', 'AGU': 'Serin',  # AxU
'AUC': 'Isoleucin', 'ACC': 'Threonin', 'AAC': 'Asparagin', 'AGC': 'Serin',  # AxC
'AUA': 'Isoleucin', 'ACA': 'Threonin', 'AAA': 'Lysin', 'AGA': 'Arginin',  # AxA
'AUG': 'Met', 'ACG': 'Threonin', 'AAG': 'Lysin', 'AGG': 'Arginin',  # AxG

# G
'GUU': 'Valin', 'GCU': 'Alanin', 'GAU': 'Asparaginsäure', 'GGU': 'Glycin',  # GxU
'GUC': 'Valin', 'GCC': 'Alanin', 'GAC': 'Asparaginsäure', 'GGC': 'Glycin',  # GxC
'GUA': 'Valin', 'GCA': 'Alanin', 'GAA': 'Glutaminsäure', 'GGA': 'Glycin',  # GxA
'GUG': 'Valin', 'GCG': 'Alanin', 'GAG': 'Glutaminsäure', 'GGG': 'Glycin'  # GxG }

def translate_code(seq, init_pos=0):
return {
    DNA_Codons[seq[pos:pos + 3]]
    for pos in range(init_pos, len(seq) - 2, 3)
} 

print(translate_code("ACAAUUGACACAUAUCGUCGAGGGUGGCCA"))

我要找的是这样的东西：

{'Threonin': 2, 'Isoleucin': 1, 'Asparaginsäure': 1, 'Tyrosin': 1, 'Arginin': 2, 
'Glycin': 1, 'Tryptophan': 1, 'Prolin': 1}

Answer 1

您可以使用collections模块中的Counter类：

为了排除你不想要的组合，我建议根本不要把它们放在密码子字典里。我还颠倒了你的字典，以减少重复的次数，使它更易于维护

设置：

acids = { 'Alanin':        ['GCA', 'GCC', 'GCG', 'GCU'],
          'Arginin':       ['AGA', 'AGG', 'CGA', 'CGC', 'CGG', 'CGU'],
          'Asparagin':     ['AAC', 'AAU'],
          'Asparaginsäure':['GAC', 'GAU'],
          'Cystein':       ['UGC', 'UGU'],
          'Glutamin':      ['CAA', 'CAG'],
          'Glutaminsäure': ['GAA', 'GAG'],
          'Glycin':        ['GGA', 'GGC', 'GGG', 'GGU'],
          'Histidin':      ['CAC', 'CAU'],
          'Isoleucin':     ['AUA', 'AUC', 'AUU'],
          'Leucin':        ['CUA', 'CUC', 'CUG', 'CUU', 'UUA', 'UUG'],
          'Lysin':         ['AAA', 'AAG'],
          'Met':           ['AUG'],
          'Phenylalanin':  ['UUC', 'UUU'],
          'Prolin':        ['CCA', 'CCC', 'CCG', 'CCU'],
          'Serin':         ['AGC', 'AGU', 'UCA', 'UCC', 'UCG', 'UCU'],
          'Threonin':      ['ACA', 'ACC', 'ACG', 'ACU'],
          'Tryptophan':    ['UGG'],
          'Tyrosin':       ['UAC', 'UAU'],
          'Valin':         ['GUA', 'GUC', 'GUG', 'GUU'] }
codons = { seq:name for name,sequences in acids.items() for seq in sequences }

计数：

from collections import Counter
def translate_code(seq, init_pos=0):
    return Counter( codons[seq[pos:pos + 3]]
                    for pos in range(init_pos, len(seq), 3)
                    if seq[pos:pos + 3] in codons)

输出：

print(translate_code("ACAAUUGACACAUAUCGUCGAGGGUGGCCA"))

Counter({'Threonin': 2, 'Arginin': 2, 'Isoleucin': 1, 'Asparaginsäure': 1, 'Tyrosin': 1, 'Glycin': 1, 'Tryptophan': 1, 'Prolin': 1})

注意，Counter类实际上是一个字典。如果需要，您可以将其转换回普通词典