如何檢查序列是否是蛋白質序列？

Question

給定一個隨機序列，我該如何檢查該序列是否是蛋白質？

from Bio.Seq import Seq 
from Bio.Alphabet import IUPAC 
my_prot = Seq("'TGEKPYVCQECGKAFNCSSYLSKHQR") 
my_prot 


my_prot.alphabet #How to make a check here ?? 

Answer 1

如果您Seq對象有一個指定的字母，您可以檢查如果字母是蛋白質字母表：

from Bio.Seq import Seq 
from Bio.Alphabet import IUPAC, ProteinAlphabet 
my_prot = Seq("TGEKPYVCQECGKAFNCSSYLSKHQR", alphabet=IUPAC.IUPACProtein()) 

print isinstance(my_prot.alphabet, ProteinAlphabet) 

但是，如果你沒有字母表知道，你必須利用一些啓發式來猜測它是否是蛋白質序列。這可以像檢查序列完全是「ATC [GU]」還是使用其他字母代碼一樣簡單。

但這並不完美。例如，序列「ATCG」可以是丙氨酸，蘇氨酸，半胱氨酸，甘氨酸（即蛋白質），或者它可以是腺嘌呤，胸腺嘧啶，胞嘧啶，鳥嘌呤（DNA）。同樣，「ACG」可能是蛋白質，RNA或DNA。確定一個序列是DNA而不是蛋白質序列在技術上是不可能的。但是，如果您有SeqRecord或Seq的其他上下文，您可能能夠檢查它是否是蛋白質序列。