12

以下に示すように、fastaファイルがあります。3文字のコードを1文字のコードに変換したいと思います。PythonまたはRでこれを行うにはどうすればよいですか?

>2ppo
ARGHISLEULEULYS
>3oot
METHISARGARGMET

希望の出力

>2ppo
RHLLK
>3oot
MHRRM

あなたの提案をいただければ幸いです!!

4

11 に答える 11

14

辞書を使用して、1 文字のコードを検索します。

d = {'CYS': 'C', 'ASP': 'D', 'SER': 'S', 'GLN': 'Q', 'LYS': 'K',
     'ILE': 'I', 'PRO': 'P', 'THR': 'T', 'PHE': 'F', 'ASN': 'N', 
     'GLY': 'G', 'HIS': 'H', 'LEU': 'L', 'ARG': 'R', 'TRP': 'W', 
     'ALA': 'A', 'VAL':'V', 'GLU': 'E', 'TYR': 'Y', 'MET': 'M'}

そして、文字列全体の 3 文字のコードを 1 文字のコードと照合する単純な関数:

def shorten(x):
    if len(x) % 3 != 0: 
        raise ValueError('Input length should be a multiple of three')

    y = ''
    for i in range(len(x) // 3):
            y += d[x[3 * i : 3 * i + 3]]
    return y

あなたの例をテストする：

>>> shorten('ARGHISLEULEULYS')
'RHLLK'
于 2012-10-06T13:55:39.800 に答える
7

Rでそれを行う方法は次のとおりです。

# Variables:
foo <- c("ARGHISLEULEULYS","METHISARGARGMET")

# Code maps:
code3 <- c("Ala", "Arg", "Asn", "Asp", "Cys", "Glu", "Gln", "Gly", "His", 
"Ile", "Leu", "Lys", "Met", "Phe", "Pro", "Ser", "Thr", "Trp", 
"Tyr", "Val")
code1 <- c("A", "R", "N", "D", "C", "E", "Q", "G", "H", "I", "L", "K", 
"M", "F", "P", "S", "T", "W", "Y", "V")

# For each code replace 3letter code by 1letter code:
for (i in 1:length(code3))
{
    foo <- gsub(code3[i],code1[i],foo,ignore.case=TRUE)
}

結果:

> foo
[1] "RHLLK" "MHRRM"

R では変数名を数字で始めることは許可されていないため、変数名を変更したことに注意してください。

于 2012-10-06T14:01:42.763 に答える
6 
>>> src = "ARGHISLEULEULYS"
>>> trans = {'ARG':'R', 'HIS':'H', 'LEU':'L', 'LYS':'K'}
>>> "".join(trans[src[x:x+3]] for x in range(0, len(src), 3))
'RHLLK'

残りのエントリを辞書に追加するだけですtrans。

編集：

の残りを作るには、これをtrans行うことができます。ファイルtable:

Ala A
Arg R
Asn N
Asp D
Cys C
Glu E
Gln Q
Gly G
His H
Ile I
Leu L
Lys K
Met M
Phe F
Pro P
Ser S
Thr T
Trp W
Tyr Y
Val V

それを読んで：

trans = dict((l.upper(), s) for l, s in
             [row.strip().split() for row in open("table").readlines()])
于 2012-10-06T13:53:23.033 に答える
4

.fastaファイルを解析してから、1文字のコードに変換しているので、Biopythonを調べてインストールしてみてください。残念ながら、Biopythonには関数seq3（パッケージBio :: SeqUtils内）しかありません。これは、必要なものの逆を実行します。IDLEでの出力例：

>>>seq3("MAIVMGRWKGAR*")
>>>'MetAlaIleValMetGlyArgTrpLysGlyAlaArgTer'

残念ながら、「seq1」関数は（まだ...）ありませんが、これは将来あなたに役立つかもしれないと思いました。あなたの問題に関しては、Junuxxは正しいです。辞書を作成し、forループを使用して、3つのブロックで文字列を読み取り、翻訳します。これは、彼が提供したものと同様の機能であり、すべてを含み、小文字も処理します。

def AAcode_3_to_1(seq):
    '''Turn a three letter protein into a one letter protein.

    The 3 letter code can be upper, lower, or any mix of cases
    The seq input length should be a factor of 3 or else results
    in an error

    >>>AAcode_3_to_1('METHISARGARGMET')
    >>>'MHRRM'

    '''
    d = {'CYS': 'C', 'ASP': 'D', 'SER': 'S', 'GLN': 'Q', 'LYS': 'K',
     'ILE': 'I', 'PRO': 'P', 'THR': 'T', 'PHE': 'F', 'ASN': 'N', 
     'GLY': 'G', 'HIS': 'H', 'LEU': 'L', 'ARG': 'R', 'TRP': 'W', 'TER':'*',
     'ALA': 'A', 'VAL':'V', 'GLU': 'E', 'TYR': 'Y', 'MET': 'M','XAA':'X'}

    if len(seq) %3 == 0:
        upper_seq= seq.upper()
        single_seq=''
        for i in range(len(upper_seq)/3):
            single_seq += d[upper_seq[3*i:3*i+3]]
        return single_seq
    else:
        print("ERROR: Sequence was not a factor of 3 in length!")
于 2012-10-08T22:43:00.157 に答える
3

R の使用:

convert <- function(l) {

  map <- c("A", "R", "N", "D", "C", "E", "Q", "G", "H", "I",
           "L", "K", "M", "F", "P", "S", "T", "W", "Y", "V")

  names(map) <- c("ALA", "ARG", "ASN", "ASP", "CYS", "GLU", "GLN",
                  "GLY", "HIS", "ILE", "LEU", "LYS", "MET", "PHE",
                  "PRO", "SER", "THR", "TRP", "TYR", "VAL")

  sapply(strsplit(l, "(?<=[A-Z]{3})", perl = TRUE),
         function(x) paste(map[x], collapse = ""))
}

convert(c("ARGHISLEULEULYS", "METHISARGARGMET"))
# [1] "RHLLK" "MHRRM"
于 2012-10-06T18:53:33.963 に答える
2

これを行う別の方法は、R のseqinrおよびiPACパッケージを使用することです。

# install.packages("seqinr")
# source("https://bioconductor.org/biocLite.R")
# biocLite("iPAC")

library(seqinr)
library(iPAC)

#read in file
fasta = read.fasta(file = "test_fasta.fasta", seqtype = "AA", as.string = T, set.attributes = F)
#split string
n = 3
fasta1 = lapply(fasta,  substring(x,seq(1,nchar(x),n),seq(n,nchar(x),n)))
#convert the three letter code for each element in the list 
fasta2 = lapply(fasta1, function(x) paste(sapply(x, get.SingleLetterCode), collapse = ""))

# > fasta2
# $`2ppo`
# [1] "RHLLK"
#
# $`3oot`
# [1] "MHRRM"
于 2015-08-28T11:19:04.757 に答える
1 
my %aa_hash=(
  Ala=>'A',
  Arg=>'R',
  Asn=>'N',
  Asp=>'D',
  Cys=>'C',
  Glu=>'E',
  Gln=>'Q',
  Gly=>'G',
  His=>'H',
  Ile=>'I',
  Leu=>'L',
  Lys=>'K',
  Met=>'M',
  Phe=>'F',
  Pro=>'P',
  Ser=>'S',
  Thr=>'T',
  Trp=>'W',
  Tyr=>'Y',
  Val=>'V',
  Sec=>'U',                       #http://www.uniprot.org/manual/non_std;Selenocysteine (Sec) and pyrrolysine (Pyl)
  Pyl=>'O',
);


    while(<>){
            chomp;
            my $aa=$_;
            warn "ERROR!! $aa invalid or not found in hash\n" if !$aa_hash{$aa};
            print "$aa\t$aa_hash{$aa}\n";
    }

この perl スクリプトを使用して、トリプレット aa コードを 1 文字コードに変換します。

于 2013-07-05T06:51:19.777 に答える
0

Python 3 ソリューション。

私の仕事でイライラするのは、アミノ酸コードが、PDB/mmCIF ファイルによく現れる変更されたものを参照できることです。

「ティ」→「あ」。

したがって、マッピングは 22 ペアを超える可能性があります。次のような Python のサードパーティ ツール

Bio.SeqUtils.IUPACData.protein_letters_3to1

それを処理することはできません。私の最も簡単な解決策は、http://www.ebi.ac.uk/pdbe-srv/pdbechemを使用してマッピングを見つけ、それらに遭遇したときはいつでも自分の関数の辞書に異常なマッピングを追加することです。

def three_to_one(three_letter_code):
    mapping = {'Aba':'A','Ace':'X','Acr':'X','Ala':'A','Aly':'K','Arg':'R','Asn':'N','Asp':'D','Cas':'C',
           'Ccs':'C','Cme':'C','Csd':'C','Cso':'C','Csx':'C','Cys':'C','Dal':'A','Dbb':'T','Dbu':'T',
           'Dha':'S','Gln':'Q','Glu':'E','Gly':'G','Glz':'G','His':'H','Hse':'S','Ile':'I','Leu':'L',
           'Llp':'K','Lys':'K','Men':'N','Met':'M','Mly':'K','Mse':'M','Nh2':'X','Nle':'L','Ocs':'C',
           'Pca':'E','Phe':'F','Pro':'P','Ptr':'Y','Sep':'S','Ser':'S','Thr':'T','Tih':'A','Tpo':'T',
           'Trp':'W','Tyr':'Y','Unk':'X','Val':'V','Ycm':'C','Sec':'U','Pyl':'O'} # you can add more
    return mapping[three_letter_code[0].upper() + three_letter_code[1:].lower()]

もう 1 つの解決策は、マッピングをオンラインで取得することです (ただし、URL と HTML パターンは時間の経過とともに変化する可能性があります)。

import re
import urllib.request

def three_to_one_online(three_letter_code):
    url = "http://www.ebi.ac.uk/pdbe-srv/pdbechem/chemicalCompound/show/" + three_letter_code
    with urllib.request.urlopen(url) as response:
        single_letter_code = re.search('\s*<td\s*>\s*<h3>One-letter code.*</h3>\s*</td>\s*<td>\s*([A-Z])\s*</td>', response.read().decode('utf-8')).group(1)
    return single_letter_code

ここでは、わかりやすくするために、html パーサーの代わりに re を直接使用します。

これらが役立つことを願っています。

于 2018-05-07T18:43:35.750 に答える