0

我正在使用以下正则表达式：

orfre = '^(?:...)*?((ATG)(...){%d,}?(?=(TAG|TAA|TGA)))' % (aa)

我基本上想找到所有以 ATG 开头的序列，然后是三联体（例如 TTA、TTC、GTC 等），直到它在框架中找到一个终止密码子。但是，正如我的正则表达式所写的那样，如果 aa 很大，它实际上不会停在终止密码子处。相反，它将继续搜索，直到找到满足 aa 条件的一个。我宁愿让它搜索整个字符串，直到找到终止密码子。如果匹配不够长（对于给定的 aa 参数），那么它应该返回 None。

字符串数据：AAAATGATGCATTAACCCTAATAA

正则表达式的所需输出：ATGATGCATTAA

除非 aa > 5，在这种情况下不应返回任何内容。

我得到的实际输出：ATGATGCATTAACCCTAA

4

2 回答 2

0

补充说明：如果您想检查一个序列中可用的六个帧，请不要忘记检查互补链：

comp_chain = chain[::-1]

（-->扩展切片）

将后一个 A 音译为 T，将 G 音译为 C。

于 2013-09-12T09:53:29.927 回答
0

这应该可以解决问题。您可以在键盘上看到它。

import re

num = 4
blue = 'XXXAAAATGATGCATTAACCCTAATAAXXX'
pattern = "^(?:...)*(ATG(...){%d}(?:TAG|TAA|TGA))" % num

m = re.match(pattern, blue)
print m.group(1)

哪个输出：ATGCATTAACCCTAATAA

分解它：

^
(?:...)*           - Find, but don't capture any number of triplets.
(                  - Begin our capture block
  ATG              - A literal string of 'ATG', no need to wrap.
  (...)*           - Any number of triplets
  (?:TAG|TAA|TGA)  - A non capturing block of either 'TAG', 'TAA' or 'TGA'
)                  - End the capture block.

除非我遗漏了其他一些要求，否则它不需要比这复杂得多。

于 2013-09-11T03:43:51.080 回答