如何从 dict 翻译 FASTA 序列/如何使函数输出字符串？

Question

首先我不能使用 BioPython :( 我需要从 FASTA 文件中翻译一堆 FASTA 序列并将它们翻译成蛋白质序列。 FASTA文件是这样的；

>some info
ACCGGGCTAAA

>other info
ACCGCCAATTT

所以我可以创建一个只输出 DNA 序列的函数，但是当我尝试翻译它时，我得到了以下错误； “TypeError：'_io.TextIOWrapper' 类型的对象没有 len()” 我不知道如何解决这个问题。非常感谢任何帮助！！！！另外我正在学习我的第一门 Python 课程，所以请像对白痴一样解释任何答案:)

#Open the file for reading
fasta=open('mRNA_database.fasta', 'r')


def readSeq(fasta):
    for line in fasta:
        if line.startswith('>'):
            continue
        line = line.strip()
        #print(line)
readSeq(fasta)

g_code=dict()
g_code = {'ATA':'I', 'ATC':'I', 'ATT':'I', 'ATG':'M',
    'ACA':'T', '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':'stop', 'TAG':'stop',
    'TGC':'C', 'TGT':'C', 'TGA':'stop', 'TGG':'W'}

def aa_to_prt(fasta, g_code):
    prt = ''
    for i in range(0, len(fasta), 3):
        codon = fasta[i:i+3]
        prt+= g_code[codon]
    print(prt)

aa_to_prt(fasta, g_code)

Answer 1

你想要的输出是什么？

对于像这样的输入：

some info ACCGGGCTAAA
other info ACCGCCAATTT

带代码：

def readSeq():
    for line in open('mRNA_database.fasta', 'r'):
        if line.startswith('>'):
            continue
        line = line.strip()
        yield line.split(' ')[2]

g_code=dict()
g_code = {'ATA':'I', 'ATC':'I', 'ATT':'I', 'ATG':'M',
    'ACA':'T', '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':'stop', 'TAG':'stop',
    'TGC':'C', 'TGT':'C', 'TGA':'stop', 'TGG':'W'}

def aa_to_prt(g_code):
    prt = ''
    for name in readSeq():
        codon = name[:3]
        prt += g_code[codon]
    print(prt)

aa_to_prt(g_code)

我得到了输出：

TT

这就是你想要的吗？

Answer 2

您似乎正在尝试使用len(filehandle) 来确定您可以读取文件的距离。但是 handle 没有长度 - 文件可能，但这不是您正在查看的内容。无论如何，API 是一个更通用的 API，在许多情况下，您正在打开的流（还）没有（还） 长度——系统无法知道何时打开处理用户将输入多少字节，或将通过网络到达多少数据包。

相反，惯例是简单地遍历句柄，直到它不再产生值。 （在幕后，现代 Python 使用 iterator 在没有内容可读取时创建 StopIteration 异常。）

您的 readSeq 函数正确执行此操作，但您没有从中返回任何值，因此它只是使用文件，并让您在文件末尾打开文件句柄，没有任何内容可读取。

也许可以试试这样的方法。

def prtSeq(fastahandle):
    global g_code # as defined in your code already
    for line in fastahandle:
        if line.startswith('>'):
            continue
        line = line.strip()
        proteins = []
        for seq in xrange(0, len(line)-1, 3):
            proteins.append(g_code[line[seq:seq+3]])
        print(''.join(proteins))

prtSeq(open('mRNA_database.fasta', 'r'))

顺便说一句，为变量分配一个空字典是没有用的；您将立即用新字典覆盖以前的值。

更好的设计只会将值返回给调用者进行打印，但我认为您主要对使用最简单的代码完成工作感兴趣。