使用re列表(或如何删除可能的密码子列表之间的子字符串)
使用re列表(或如何删除可能的密码子列表之间的子字符串)
提问于 2021-04-27 11:57:59
我正在写一个脚本，从一系列基因中删除打开的阅读框。我知道re模块，但我不太明白当涉及到列表时它的正确用法--以下是我的任务：
- I需要在
基因中找到起始密码子'AUG'
然后，
- I需要找到存储在列表中的三个可能的停止密码子中的一个。
stop_codons = ['TAG', 'TAA', 'TGA']
然后，
- I需要删除开始和停止密码子之间的所有其他字符.
我取得了一些接近的成就：
gene = 'AUGGTAAATTGAUUGUTAUTAUTGTAGTGATGU'
re.sub('AUG.+TAG', '', gene)然而，我觉得一定有更好的方法，而不是为每个终止密码子写一行，在预先定义的列表中循环将是更好的形式(一些线粒体基因组和细菌基因组有可供选择的起始/终止密码子，我希望代码能够在适当的时候被轻松修改以包括这些密码子)。
我怎样才能用re实现这一点呢？
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-04-27 22:03:14
首先，请注意，re试图匹配最大的子字符串。这意味着，天真的做法不会停留在第一个“结束”密码子，而是最后一个：
start end1 end2
vvv vvv vvv
>>> gene = 'AUGGTAAATTGAUUGUTAUTAUTGTAGTGATGUTAGG'
>>> re.sub('AUG.+TAG', '', gene)
'G'更好的是：
>>> re.sub('AUG.+?TAG', '', gene)
'TGATGUTAGG'通过在regex中使用"A或B“类型的表达式，可以避免多次迭代字符串，这类似于(A|B)。在你的例子中：
start end
vvv vvv
>>> gene = 'AUGGTAAATTGAUUGUTAUTAUTGTAGTGATGUTAGG'
>>> re.sub('AUG.+?(TAG|TAA|TGA)', '', gene)
'TGATGUTAGG'Stack Overflow用户
发布于 2021-04-27 12:53:05
下面的代码应该符合您的意思。它寻找发生，然后打印切割基因之间的字符之间的开始和停止密码子在stop_codons列表中的每一项。
import re
gene = 'AUGGTAAATTGAUUGUTAUTAUTGTAGTGATGU'
start_codon = 'AUG'
stop_codons = ['TAG', 'TAA', 'TGA']
for stop_codons_item in stop_codons:
cut_gene = re.sub('(?<=%s).*?(?=%s)' % (start_codon,stop_codons_item), '', gene)
print(cut_gene)您的代码还会在输出中减少start_codon和stop_codon。我不知道这是不是你想要达到的目标。如果是这样，只需在for循环中用cut_gene示例行替换re.sub变量，如下所示：
re.sub(f'{start_codon}.+{stop_codons_item}', '', gene)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67282629
复制相关文章
相似问题
腾讯云开发者
