《Python 生物信息学数据管理》学习笔记| 每日更新
- 计算ΔG
- 计算胰岛素序列中的氨基酸频率
- python字符串和数组反转
- Python从键盘输入多行文本数据的方法
- fasta 数据处理
- 求DNA的互补序列
- 统计多条序列上不同位点的碱基频率
- python中如何把str转float并控制位数
2020/5/2
计算ΔG
import math 这个模块
math.log(要取log的数字， 底数)底数默认为1
ATP = 3.5
ADP=1.8
Pi=5.0
R=0.00831
T=298
deltaG0=-30.5
import math
deltaG0+R*T*math.log(ADP*Pi/ATP)说老实话，其实俺不懂ΔG是啥意思……
计算胰岛素序列中的氨基酸频率
Tips：这里使用字符串的count来计每个氨基酸的频率
insulin="GTVEQCCTSICSLYQLENYCNFVNQHLCGSHLVEAKYKVCGERGFFYTOKT"
for amino_acid in "ACDEFGHIKLMNPQRSTVWY":
number=insulin.count(amino_acid)
print (animo_acid, number)python字符串和数组反转
- 两者都使用切片， 简单粗暴！
reserse_string=string[::-1]
reverse_array=array[::-1]- 列表使用reverse函数
test.reverse()
print(test)- 使用reversed（），返回的是迭代器对象，所以要用list转一下
li =[1, 2, 3, 4, 5, 6]
a = list(reversed(li))
print (a)Python从键盘输入多行文本数据的方法
从键盘直接输入多行文本数据,使用ctrl+Z表示行尾输入完成
test=[]
while True:
# 使用异常处理
try:
test.append(input())
except:
break2020/5/3
fasta 数据处理
计算fasta中序列的长度,并计算GC含量, 分三列输出序列名,序列长度, GC含量, 并在末尾统计一列之和
编程中出现的问题,
- 在使用字典嵌套
result[key] ={'length': length, 'GC_content':GC_content}的时候, 把大括号写成了[], 于是提示不可哈希 - 因为要把python写入文件时是需要字符串, 所以使用format格式化反而麻烦, 改为了用
%格式化 - 写入文件时, 好像
\t没有正常的宽度,好像只是一个空格 - 把字典的values(), items()写混
- 在访问字典元素的时候,把key写成了ket, 导致输出的序列名都是最后一个
aDict = {}
#处理fasta序列
for line in open('3.fasta_seq.txt'):
if line[0] == '>':
key = line.split('|')[3].strip() #切分字符串取序列名
aDict[key] = []
else:
aDict[key].append(line.strip())
output3 = open("3-3output.txt", 'w')
result = {}
output3.write("name\tlength\tGC_content\n")
for key, value in aDict.items():
sequence = ''.join(value)
length = len(sequence)
G_num = sequence.count("G") #使用字符串的count方法分别计算GC数
C_num = sequence.count("C")
GC_content = (G_num + C_num) / length
result[key] ={'length': length, 'GC_content':GC_content} # 将序列长度和GC长度,放入以序列名为关键字的新列表中
output3.write("%s \t %d \t %f \n" % (key, length, GC_content))
output3.write("Total \t ")
sum_length = 0
sum_GC = float(0)
for name , value in result.items():
sum_length += value['length']
sum_GC += value['GC_content']
output3.write("%d \t %f" % (sum_length, sum_GC))输出结果:
2020/05/04
求DNA的互补序列
学习到:
- 使用str.startswith('>')来判断fasta数据第一行
- 使用str.maketrans来制作映射表, 使用seq.translate()来根据映射表进行字符转换
fDict = {}
# 处理fasta文件，创建序列字典
for line in open(r'data\3-5.fa'):
if line.startswith('>'):
key = line.strip()
fDict[key] = []
else:
fDict[key].append(line.strip())
output = open('3-5output.fasta', 'w')
for name, seq in fDict.items():
seq = ''.join(seq) # 将字典value的列表合并为字符串
reverse_seq = seq[::-1] # 倒置
trantab = str.maketrans(
'ACGTacgtRYMKrymkVBHDvbhd',
'TGCAtgcaYRKMyrkmBVDHbvdh') # 使用maketrans 制作translate 的映射表
complement_seq = reverse_seq.translate(trantab) # 再用translate根据映射表来进行字符转换
output.write('%s\n%s\n' % (name, complement_seq))
output.close()统计多条序列上不同位点的碱基频率
学习到:
- 因为要统计每条序列同一位置的碱基个数, 所以干脆就根据列来创建序列字典, 在第一行初始化字典(使用head来标记),之后每行扫描,进行元素的添加
- 格式化字符串时, 使用
%-(宽度)s可以左对齐,从而实现输出的整齐 - python格式化字符串的文章本来很想使用format, 但是总是不如人意~~~还是先放着吧
问题:
- 使用字典经常报错, 今天报
KeyError, 排查后发现是同一个key重复创建 - 不知道为什么格式化字符中
"\t"制表符会弱化为一个空格,必须在前后加空格才能正常显示
column_dict = {}
head = 1
for line in open(r'data\3.6donorseq.txt'):
line = line.strip()
if head:
column_dict = {position: []
for position in range(-9, 12)} # 只在第一行创建各个位点的字典
head = 0
i = 0
for base in line:
column_dict[-9 + i].append(base)
i = i + 1
seq_num = len(column_dict[-9]) # 随意取一列计算序列总数
print("%-8s \t %-6s \t %-6s \t %-6s \t %-6s" %('position', 'A', 'T', 'C', 'G')) # 打印第一行数据说明，使用%-s来实现左对齐
for position, col_seq in column_dict.items():
col_seq = ''.join(col_seq)
# 统计各个位点的碱基频率
A_amount = col_seq.count('a') / seq_num
T_amount = col_seq.count('t') / seq_num
C_amount = col_seq.count('c') / seq_num
G_amount = col_seq.count('g') / seq_num
print("%-8s \t %.4f \t %.4f \t %.4f \t %.4f" %(position, A_amount, T_amount, C_amount, G_amount)) #打印ATCG频率输出结果:
2020/05/05
python中如何把str转float并控制位数
使用float() 来把str转成float
使用round( float， 控制位数的个数)来进行元整， 即控制位数， 多余的位四舍五入
line_list[1] = round(float(line_list[1]), 5)
line_list[2] = round(float(line_list[2]), 5)
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
