BioPython：氨基酸序列含有'J'，无法计算分子量

我正在使用的数据来自Excel文件，其索引1上含有氨基酸序列。我试图计算不同的属性基于使用BioPython的序列。我现在的代码是：BioPython：氨基酸序列含有'J'，无法计算分子量

import xlrd 
import sys 
from Bio.SeqUtils.ProtParam import ProteinAnalysis 

print '~~~~~~~~~~~~~~~ EXCEL PARSER FOR PVA/NON-PVA DATA ~~~~~~~~~~~~~~~' 

print 'Path to Excel file:', str(sys.argv[1]) 
fname = sys.argv[1] 
workbook = xlrd.open_workbook(fname, 'rU') 

print '' 
print 'The sheet names that have been found in the Excel file: ' 
sheet_names = workbook.sheet_names() 
number_of_sheet = 1 
for sheet_name in sheet_names: 
    print '*', number_of_sheet, ':  ', sheet_name 
    number_of_sheet += 1 

with open("thefile.txt","w") as f: 
    lines = [] 
    f.write('LENGTH.SEQUENCE,SEQUENCE,MOLECULAR.WEIGHT\n') 
    for sheet_name in sheet_names: 
     worksheet = workbook.sheet_by_name(sheet_name) 
     print 'opened: ', sheet_name 
     for i in range(1, worksheet.nrows): 
      row = worksheet.row_values(i) 
      analysed_seq = ProteinAnalysis(row[1].encode('utf-8')) 
      weight = analysed_seq.molecular_weight() 
      lines.append('{},{},{}\n'.format(row[2], row[1].encode('utf-8'), weight)) 
    f.writelines(lines)

它一直在工作，直到我加入了分子量的计算。这表明以下错误：

Traceback (most recent call last): 
    File "Excel_PVAdata_Parser.py", line 28, in <module> 
    weight = analysed_seq.molecular_weight() 
    File "/usr/lib/python2.7/dist-packages/Bio/SeqUtils/ProtParam.py", line 114, in molecular_weight 
    total_weight += aa_weights[aa] 
KeyError: 'J'

我看着在Excel中的数据文件，这表明氨基酸序列不包含J.是否有人知道一个包BioPython的其中捕获有“未知氨基酸”或有另一个建议？

来源

2017-02-10 Anna Jeanine

这个问题似乎是非常多的包特定，这不是任何Python标准模块。我建议看看一个特定的论坛或在项目的github页面。 – Raf

由于peterjc表示，J是编码亮氨酸（L）或异亮氨酸（I）的模糊氨基酸。两者具有相同分子量：

>>> from Bio.SeqUtils.ProtParam import ProteinAnalysis 
>>> ProteinAnalysis('L').molecular_weight() 
131.1729 
>>> ProteinAnalysis('I').molecular_weight() 
131.1729

所以，你可以暂时用两种L或I替换J所有出现计算分子量。

来源

2017-02-10 16:11:45 BioGeek

非常感谢！我将编写一个函数来验证序列，并在出现问题时将J更改为L. –

我应该检查一下，看得很清楚。 Biopython在没有用户干预的情况下为“J”做这件事似乎是合理的。您是否想要提出要求或提出问题？ – peterjc

Biopython使用蛋白质分子量为IUPAC，见https://github.com/biopython/biopython/blob/master/Bio/Data/IUPACData.py

J是为亮氨酸或异亮氨酸（L或I）不明确的氨基酸编码，和在NMR被用于其中不能得知这些分开。

根据您需要分子量的原因，您可能适合使用L和I的重量平均值？

来源

2017-02-10 15:31:58 peterjc

非常感谢！我将编写一个函数来验证序列，并在发生L时更改J. –

BioPython：氨基酸序列含有'J'，无法计算分子量

回答

相关问题