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。

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

>Rosalind_99
AGCCATGTAGCTAACTCAGGTTACATGGGGATGACCCCGCGACTTGGATTAGAGTCTCTTTTGGAATAAGCCTGAATGATCCGAGTAGCATCTCAG

示例结果

MLLGSFRLIPKETLIQVAGSSPCNLS
M
MGMTPRLGLESLLE
MTPRLGLESLLE

Python 实现

Open_Reading_Frames.py

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':breakaa += table[dna[i:i+3]]return aadef reverse_complement(dna):revc = ""basepair = {'A':'T', 'T':'A', 'G':'C', 'C':'G'}for c in dna:revc = basepair[c] + revcreturn revcdef find_orf(dna):ret = []dna_len = int(len(dna)/3) * 3i = 0for i in range(0, dna_len, 3):codon = dna[i:i+3]if codon != 'ATG': continuebase = codonfor j in range(i+3, dna_len, 3):codon = dna[j:j+3]base += codonif table[codon] == 'Stop':ret.append(base)breakreturn retdef 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

喜欢文章请点个“赞”吧！或者点击“在看”让更多朋友看到，点击“阅读原文”可以在知乎专栏上给我留言，博客地址：https://jianzuoyi.github.io