我有我想要翻譯成氨基酸的Phylip格式的DNA數據。我試過搜索可以做到這一點的庫(或模塊),但所有這些似乎都以FastA格式轉換/生成文件。將Phylip格式的DNA數據翻譯成氨基酸
這是輸入數據的外觀:
3 1500
seq1 TTTGCTA...
seq2 TTCGCAA...
seq3 TTTGCCA...
,其中1500是序列
這是代碼我有,但我得到的輸出文件的長度爲空:
#!/usr/bin/python
import sys
filename = '/path/to/phylip/data/'
finalrst = open('/path/to/translated/phylip/data/','w')
def translate_dna(sequence):
codontable = {
'ACC':'T', 'ACG':'T', 'ACT':'T',
'AAC':'N', 'AAT':'N', 'AAA':'K', 'AAG':'K',
'AGC':'S', 'AGT':'S', 'AGA':'R', 'AGG':'R',
'CTA':'L', 'CTC':'L', 'CTG':'L', 'CTT':'L',
'CCA':'P', 'CCC':'P', 'CCG':'P', 'CCT':'P',
'CAC':'H', 'CAT':'H', 'CAA':'Q', 'CAG':'Q',
'CGA':'R', 'CGC':'R', 'CGG':'R', 'CGT':'R',
'GTA':'V', 'GTC':'V', 'GTG':'V', 'GTT':'V',
'GCA':'A', 'GCC':'A', 'GCG':'A', 'GCT':'A',
'GAC':'D', 'GAT':'D', 'GAA':'E', 'GAG':'E',
'GGA':'G', 'GGC':'G', 'GGG':'G', 'GGT':'G',
'TCA':'S', 'TCC':'S', 'TCG':'S', 'TCT':'S',
'TTC':'F', 'TTT':'F', 'TTA':'L', 'TTG':'L',
'TAC':'Y', 'TAT':'Y', 'TAA':'*', 'TAG':'*',
'TGC':'C', 'TGT':'C', 'TGA':'*', 'TGG':'W',
'ATG':'M'
}
proteinsequence = ''
for n in range (0,len(sequence),3):
if sequence[n:n+3] in codontable:
proteinsequence += codontable[cds[n:n+3]]
sequence = ''
print proteinsequence
for line in open(filename):
if line[0] == "3 1500":
finalrst.write(line)
elif line == '':
finalrst.write(line)
elif line.startswith('sequence'):
finalrst.write(line + translate_dna(line.replace('sequence', '')))
finalrst.close()
有什麼問題的建議?或者更好的方式來完成這項任務?
謝謝!
謝謝你幫助!還有一個問題:我正在訴諸使用elif line.startswith('seq1'): \t \t \t \t finalrst.write('seq1 \ t'+ translate_dna(line.split()[ - 1])+'\ n ')..對於數據集中的所有序列,關於如何讓代碼識別序列名稱以及(1)不翻譯它並(2)在翻譯後的數據之前寫入它的任何建議? – Hia3
@ Hia3,我會把它作爲一個單獨的問題來輸入。 – DuckPuncher