(Bio.SeqUtils.molecular_weight 函数) 无法计算明确核苷酸序列的分子量

Question

我正在尝试在 python 中创建一个函数，从 fasta 文件中读取明确和模糊的核苷酸序列以及 returns 序列 ID 和分子量。

我尝试使用以下代码：

import Bio
from Bio import SeqUtils, SeqIO

def function(filename):
    nucleotides ={'A','T', 'C', 'G'}
    with open(filename) as file:
        for record in SeqIO.parse(file, "fasta"):
            for nucl in record:
                if nucl in nucleotides:
                    continue
                else:
                    print(str(record.id)+": is ambiguous")
                    break
            else:
                mol_weight= Bio.SeqUtils.molecular_weight(record)
                print(str(record.id)+": is unambiguous & molecular weight = "+str(mol_weight))

function("random.fasta")

如果我在不明确的序列上使用这段代码，绝对没有问题，我得到了我想要的结果。但是，如果我包含明确的序列，我会得到 "ValueError: 'I' is not a valid unambiguous letter for DNA" 由 'Bio.SeqUtils.molecular_weight(record)' 函数引起，在我看来这不是' 是有道理的，因为如果我理解正确的话，字母 'I' 通常会导致第一个 else 语句中断。

我还使用了一个自定义函数来手动计算分子量（基于固定值），在这种情况下没有错误，并且该函数对于模糊和明确的序列都工作得很好。但是有人指出我的手动计算不如内置函数准确。

我是 Python 的新手，但我希望有人知道为什么仍然会出现 ValueError 以及如何解决它。

Answer 1

我认为错误发生在表达式 mol_weight= Bio.SeqUtils.molecular_weight(record).

记录被隐式转换为其字符串表示 ID: SEQUENCE_1 ...。所以 ValueError 中的 'I' 根本不对应核苷酸，而是对应一个相当随机的字符串值。

试试这一行：mol_weight = Bio.SeqUtils.molecular_weight(record.seq)

对我来说，它返回了我想要的结果：

SEQUENCE_1: is unambiguous & molecular weight = 331.2218

对于会引发您描述的错误的微不足道的序列（只是字母 A）。

>SEQUENCE_1
A

更新：

完整的解决方案如下所示：

from Bio import SeqIO, SeqUtils


def function(filename):
    with open(filename) as file:
        for record in SeqIO.parse(file, "fasta"):
            try:
                mol_weight = SeqUtils.molecular_weight(record.seq)
                print(f"{record.id}: is unambiguous & molecular weight = {mol_weight}")
            except ValueError as exception:
                print(f"{record.id}: {exception}")


if __name__ == '__main__':
    function("random.fasta")

我包括了@pippo1980 的答案中的执行处理，因为它确实更简单、更快，而且可以说更像 pythonic。

Answer 2

更短：

from Bio import SeqIO, SeqUtils



def function(filename):
    with open(filename) as file:
        for record in SeqIO.parse(file, "fasta"):
            try:
                mol_weight= SeqUtils.molecular_weight(record.seq, 'DNA')
                print(str(record.id)+": is unambiguous & molecular weight = "+str(mol_weight))
            
            except Exception as exception:
                print(record.id+':',str(type(exception).__name__), str(exception))
            

function("random.fasta")
            

function("random.fasta")

输入random.fasta文件：

>first
AAAAAAAAAAAAATTTTTTTTTTTTTTGGGGGGGGGGGGGGCCCCCCCCCCCCCCGTA
>second
AAAAAAAAAAAAAAAAAAAAATTTTTTTTTTTTTTTTICCCCCCCCCCCCCCCCCCCCCCCCCCC
>third
AAAAAAAAAQQQQQQQQQQQQQQQQQQTTTTTTTTTT
>fourth
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAATTTTTTTTTTTTTTTTTGGGGGGGGGGGGGGGGGCGCGCGCGCGC

输出：

first: is unambiguous & molecular weight = 17952.438
second: ValueError 'I' is not a valid unambiguous letter for DNA
third: ValueError 'Q' is not a valid unambiguous letter for DNA
fourth: is unambiguous & molecular weight = 25755.56080000001

(Bio.SeqUtils.molecular_weight 函数) 无法计算明确核苷酸序列的分子量

Inability of (Bio.SeqUtils.molecular_weight function) to calculate molecular weight of unambiguous nucleotide sequence

python

sequence

biopython

fasta