将Phylip格式的DNA数据翻译成氨基酸

Question

我有我想要翻译成氨基酸的Phylip格式的DNA数据。我试过搜索可以做到这一点的库（或模块），但所有这些似乎都以FastA格式转换/生成文件。

这是输入数据的外观：

3 1500 

seq1 TTTGCTA... 

seq2 TTCGCAA... 

seq3 TTTGCCA... 

，其中1500是序列

这是代码我有，但我得到的输出文件的长度为空：

#!/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() 

有什么问题的建议？或者更好的方式来完成这项任务？

谢谢！

Answer 1

这些文件路径是文件夹还是文件？如果data是文件，则将/关闭。如果它是一个文件夹路径，那么你需要指定你想打开的文件。

然后，只是理智的缘故改变这样的：

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', ''))) 

为了这样的事情：

with open(filename, 'r') as readfile: 
    for line in readfile: 
     line = line.strip() 
     # Check the full line, stripped instead of the first character. 
     if line == "3 1500": 
      finalrst.write(line + '\n') 
     elif line == '': 
      finalrst.write(line + '\n') 
     elif line.startswith('sequence'): 
      finalrst.write(line + translate_dna(line.replace('sequence', '')) + '\n') 

这样，readfile文件句柄总是会得到关闭。

但这可能是由于文件路径指向一个文件夹。如果不是这样，那可能是因为打开了延迟的文件句柄，但没有关闭。

Answer 2

您的translate_dna似乎无法正常工作。这里有一个工作方法，尽管不是最优化的

def translate_dna(sequence): 
    sequence = sequence.upper() 

    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' 
    } 

    translated = '' 
    while len(sequence) >=3: 
     substring_3 = sequence[:3] 
     if substring_3 in codontable: 
      translated+= codontable[substring_3] 
      sequence = sequence[1:] 
     else: 
      sequence = sequence[3:] 

    return translated 

此外，还有其他问题。例如：

elif line.startswith('sequence'): 
    finalrst.write(line + translate_dna(line.replace('sequence', ''))) 

。在你输入的字符串没有“序”。使它：

elif line.startswith('seq'): 
    finalrst.write(line + '\t' + translate_dna(line.split()[-1]))