开放阅读框（Open Reading Frame, ORF）是由起始密码子开始，直到终止密码子结束，中间不含有其他终止密码子的核酸序列。由于 DNA 是双链结构，任何一条链都可以作为模板合成 RNA；并且又因为遗传密码是三联体，由三个核苷酸决定一个氨基酸，因此对于一段 DNA 序列，有六种可能的阅读框（正向三个，反向三个）。通常情况下，六种阅读框只有一种是正确的：一般是翻译得到最长氨基酸序列的阅读框。
图源：rosalind.info
给定： Fasta 文件中一条长度不超过 1kb 的 DNA 序列。
需得： 不同的由 ORF 翻译而来的蛋白序列。返回翻译的蛋白序列时可以是任意顺序。
示例数据
代码语言：javascript复制>Rosalind_99
AGCCATGTAGCTAACTCAGGTTACATGGGGATGACCCCGCGACTTGGATTAGAGTCTCTTTTGGAATAAGCCTGAATGATCCGAGTAGCATCTCAG
示例结果
代码语言：javascript复制MLLGSFRLIPKETLIQVAGSSPCNLS
M
MGMTPRLGLESLLE
MTPRLGLESLLE
Python 实现
Open_Reading_Frames.py
代码语言：javascript复制import sys
import pysam
table = """TTT F CTT L ATT I GTT V
TTC F CTC L ATC I GTC V
TTA L CTA L ATA I GTA V
TTG L CTG L ATG M GTG V
TCT S CCT P ACT T GCT A
TCC S CCC P ACC T GCC A
TCA S CCA P ACA T GCA A
TCG S CCG P ACG T GCG A
TAT Y CAT H AAT N GAT D
TAC Y CAC H AAC N GAC D
TAA Stop CAA Q AAA K GAA E
TAG Stop CAG Q AAG K GAG E
TGT C CGT R AGT S GGT G
TGC C CGC R AGC S GGC G
TGA Stop CGA R AGA R GGA G
TGG W CGG R AGG R GGG G"""
table = dict(zip(table.split()[::2],table.split()[1::2]))
def translate(dna):
aa = ''
for i in range(0, len(dna), 3):
codon = dna[i:i 3]
if table[codon] == 'Stop':
break
aa = table[dna[i:i 3]]
return aa
def reverse_complement(dna):
revc = ""
basepair = {'A':'T', 'T':'A', 'G':'C', 'C':'G'}
for c in dna:
revc = basepair[c] revc
return revc
def find_orf(dna):
ret = []
dna_len = int(len(dna)/3) * 3
i = 0
for i in range(0, dna_len, 3):
codon = dna[i:i 3]
if codon != 'ATG': continue
base = codon
for j in range(i 3, dna_len, 3):
codon = dna[j:j 3]
base = codon
if table[codon] == 'Stop':
ret.append(base)
break
return ret
def six_frame_translate(dna):
revc = reverse_complement(dna)
amino_acids = []
for i in range(3):
for orf in find_orf(dna[i:]) find_orf(revc[i:]):
if orf:
amino_acids.append(translate(orf))
return set(amino_acids)
def test():
dna = 'AGCCATGTAGCTAACTCAGGTTACATGGGGATGACCCCGCGACTTGGATTAGAGTCTCTTTTGGAATAAGCCTGAATGATCCGAGTAGCATCTCAG'
return 'MLLGSFRLIPKETLIQVAGSSPCNLS' in six_frame_translate(dna)
if __name__ == '__main__':
if not test():
print("six_frame_translate: Failed")
sys.exit(1)
with pysam.FastxFile('rosalind_orf.txt') as fh:
for r in fh:
six = six_frame_translate(r.sequence)
print("n".join(six))
- 六框翻译，即正向三次，反向三次
- 由于允许 ORF 重叠，因此本题的关键是要找到所有的 ORF（find_orf 函数，使用了双层循环，第一层找起始密码子，第二层找终止密码子）
- 逐个翻译每个 ORF（translate 函数），最后用 set()函数去除冗余
