按确切顺序提取子字符串答案

【问题标题】：Extract substring in exact order按确切顺序提取子字符串
【发布时间】：2019-04-23 10:36:45
【问题描述】：

我有一个字符串，其中包含三个字母的氨基酸代码序列和 RNA 序列。我想按照它在字符串中出现的确切顺序提取氨基酸代码。

raw_seq = '''GGACUAGCGGAGGCUAGUCC
METGLNLYSGLYASNPHEARGASNGLNARGLYSTHRVAL
LYSCYSPHEASNCYSGLYLYSGLUGLYHISILEALALYS
ASNCYSARGALAPROARGLYSLYSGLYCYSTRPLYSCYS
GLYLYSGLUGLYHISGLNMETLYSASPCYSTHRGLUARG
GLNALAASN'''
ascodes = ['ALA','ARG','ASN','ASP','ASX','CYS','GLU','GLN','GLX','GLY','HIS','ILE','LEU','LYS','MET','PHE','PRO','SER','THR','TRP','TYR','VAL']
for amino in ascodes:
    if amino in raw_seq:
        print(amino)

我的代码按字母顺序返回氨基酸序列，这破坏了它的所有生物学功能。我也尝试了正则表达式，但我想不出一个合适的模式。

【问题讨论】：

您的预期结果是什么？
这看起来像是一个家庭作业，到目前为止你尝试了什么？
嗨@Peet 不要忘记提供一些反馈，以便我们知道我们是否为您解决了问题，请参阅What should I do when someone answers my question?

标签： python string substring match bioinformatics

【解决方案1】：

有点技巧，但使用re.findall 和str.join 以确保输出按出现在raw_seq 中的顺序：

import re

re.findall('|'.join(ascodes), raw_seq)

输出：

['MET',
 'GLN',
 'LYS',
 ...
 'ARG',
 'GLN',
 'ALA',
 'ASN']

【讨论】：

【解决方案2】：

您可以遍历所有字符并检查当前字符和以下 2 个是否包含在您的氨基酸列表中。

for i in range(len(raw_seq)):
    amino = raw_seq[i:i+3]
    if amino in ascodes:
        print(amino)

结果如下：

['MET'、'GLN'、'LYS'、'GLY'、'ASN'、'PHE'、'ARG'、'ASN'、'GLN'、'ARG'、'GLY'、'LYS '，'THR'，'VAL'，'LYS'，'CYS'，'PHE'，'ASN'，'CYS'，'GLY'，'LYS'，'GLU'，'GLY'，'HIS'， 'ILE'、'ALA'、'LYS'、'ASN'、'CYS'、'ARG'、'ALA'、'PRO'、'ARG'、'GLY'、'LYS'、'LYS'、'GLY '，'CYS'，'TRP'，'LYS'，'CYS'，'GLY'，'LYS'，'GLU'，'GLY'，'HIS'，'GLN'，'MET'，'LYS'， 'ASP'、'CYS'、'THR'、'GLU'、'ARG'、'GLN'、'ALA'、'ASN']

【讨论】：

【解决方案3】：

raw_seq = '''GGACUAGCGGAGGCUAGUCC
METGLNLYSGLYASNPHEARGASNGLNARGLYSTHRVAL
LYSCYSPHEASNCYSGLYLYSGLUGLYHISILEALALYS
ASNCYSARGALAPROARGLYSLYSGLYCYSTRPLYSCYS
GLYLYSGLUGLYHISGLNMETLYSASPCYSTHRGLUARG
GLNALAASN'''

ascodes = ['ALA','ARG','ASN','ASP','ASX','CYS','GLU','GLN','GLX','GLY','HIS','ILE','LEU','LYS','MET','PHE','PRO','SER','THR','TRP','TYR','VAL']

raw_seq = raw_seq.replace('\n','')

sep_set =[ raw_seq[i:i+3] for i in range(len(raw_seq)-2)] 

result =[i for i in sep_set if i in ascodes]
"""
output 

['MET', 'GLN', 'LYS', 'GLY', 'ASN', 'PHE', 'ARG', 'ASN', 'GLN', 'ARG', 'GLY', 'LYS', 'THR', 'VAL', 'LYS', 'CYS', 'PHE', 'ASN', 'CYS', 'GLY', 'LYS', 'GLU', 'GLY', 'HIS', 'ILE', 'ALA', 'LYS', 'ASN', 'CYS', 'ARG', 'ALA', 'PRO', 'ARG', 'GLY', 'LYS', 'LYS', 'GLY', 'CYS', 'TRP', 'LYS', 'CYS', 'GLY', 'LYS', 'GLU', 'GLY', 'HIS', 'GLN', 'MET', 'LYS', 'ASP', 'CYS', 'THR', 'GLU', 'ARG', 'GLN', 'ALA', 'ASN']

"""

【讨论】：