使用Python查找序列对齐中的间隙（索引）的位置和长度

Question

我目前正在学习python。我不想使用Biopython，也不想使用任何导入的模块，除了regex，这样我就可以理解代码在做什么。在

从一个遗传序列比对中，我想找出我的序列中相邻的间隙/索引“-”的起始位置和结束位置，间隙区域的数量，并计算间隙区域的长度。例如：

>Seq1
ATC----GCTGTA--A-----T

我想要这样的输出：

^{pr2}$

我曾试图在更大的序列比对中找出这个问题，但我甚至无法远程找出如何做到这一点。在

Answer 1

您需要的是使用正则表达式来查找间隙（一个或多个破折号，其翻译为“-+”，加号表示一个或多个）：

import re

seq = 'ATC----GCTGTA--A-----T'
matches = list(re.finditer('-+', seq))

print 'Number of gaps =', len(matches)
print

for region_number, match in enumerate(matches, 1):
    print 'Index Position of Gap region {} = {} to {}'.format(
            region_number,
            match.start(),
            match.end() - 1)
    print 'Length of Gap region {} = {}'.format(
            region_number,
            match.end() - match.start())
    print

注释

• matches是匹配对象的列表
• 为了得到区域编号，我使用了函数enumerate。你可以查一下它是怎么工作的。在
• match对象有很多方法，但是我们感兴趣的是.start()，它返回开始索引，.end()返回结束索引。注意，这里的结束索引比您想要的多了一个，因此我从中减去了1。在