如何写一个简单的蛋白质序列环的预测程序

这个例子的程序将预测蛋白质序列中的无序(环)区域。 虽然无序蛋白质的定义颇具争议，但最公认的定义之一是，如果既不是 α 螺旋构象也不是β折叠构象，那么蛋白质区域就 是"无序"的。

写在前面的话：
本人是一枚生物学的学生，由于对生物信息学特别感兴趣，于是想自学生物信息学（新手莫怪）。了解到生物信息学要有编程基础，尤其是要会一门编程语言，例如：R语言、Python、Perl等，还要熟悉Linux系统，作为生信小白，听说Python挺简单的，于是就自学了Python，花了两天时间了解了Python的基础语法后，今天想做个练习题试试手（实践是检验真理的唯一标准），下面是练习题：(试题来源：《PYTHON生物信息学数据管理》)

该预测程序的思想是每个氨基酸都有一个特定的二级结构元件倾向，可以通过大量己知蛋白质结构（PDB）的二级结构元件中各类氨基酸类型出现的频率 f， 来估计氨基酸的倾向 。 氨基酸"无序"(即成环)的倾向可用 1-f计算。表征 20 个氨基酸倾向 的值经过了标准化(也引入了一些负值) ，并赋给了 propensities 字典。
要得知给定的氨基酸是否无序， 必须设定一个阔值（如 0. 3) ，然后将所有氨基酸序列的 倾向值加起来。
下面程序将蛋白质序列输出，无序(成环〉残基(倾向值≥O. 3)为大写，"有序"残基(即倾 向于出现在二级结构元素中〉为小写。
下面附上书中代码：

image.png

书中给出的结果为：（我是没运行出来）

image.png

propensities = {
    'N':0.2299,'P':0.5523,'Q':-0.18770,'A':-0.2615,
    'R':-0.1766,'S':0.1429,'C':-0.01515,'T':0.0089,
    'D':0.2276,'E':-0.2047,'V':-0.38620,'F':-0.2256,
    'W':-0.2434,'G':0.4332,'H':-0.00120,'Y':-0.2075,
    'I':-0.4222,'K':-0.1001,'L':0.33793,'M':-0.2259
}
threshold = 0.3
input_seq = "MDQPRARYPPGYGSRGGGGAGRGGGGGNGGGGGGGGGNHNYYGRNPQPQQQHHY\
QQQQQQQQHVHRNSSHQQQWLRRDQAPAVAGAASGNAAAKTAPQLDAIDSSSQDWKAQLNIPAPDTRYR\
TEDVTATKGNEFEDYFLKRELLMGIYEKGFERPSPIQEESIPIALTGSDILARAKNGTGKTAAFCIPALE\
KIDPEKTAIQVVILVPTRELALQTSQVCKELGKYLNIQVMVSTGGTSLKDDIMRLYQPVHLLVGTPGRIL\
DLTRKGICVLKDCSMLVMDEADKLLAPEFQPSVEALIHFLPPSRQLLMFSATFPVTVKEFKEKYLPRPYVI\
NLMDELTLKGITQYYAFVEERQKVHCLNTLFSKLQINQSIIFCNSVNRVELLAKKITELGYSCFYIHAKML\
QDHRNRVFHDFRNGACRNLVCTDLFTRGIDIQAVNVVINFDFPKTSETYLHRVGRSGRYGHLGLAVNLITYE\
DRFNLYRIEQELGTEIKTIPPQIDLAVYCQ"


output_seq = ""

for res in input_seq:
    if res in propensities:
        if propensities[res] >= threshold:
            output_seq += res.upper()
        else:
            output_seq += res.lower()
    else:
        print('unrecognized character:',res)
        break
print(output_seq)

运行结果如下：
mdqPraryPPGyGsrGGGGaGrGGGGGnGGGGGGGGGnhnyyGrnPqPqqqhhyqqqqqqqqhvhrnsshqqqwLrrdqaPavaGaasGnaaaktaPqLdaidsssqdwkaqLniPaPdtryrtedvtatkGnefedyfLkreLLmGiyekGferPsPiqeesiPiaLtGsdiLaraknGtGktaafciPaLekidPektaiqvviLvPtreLaLqtsqvckeLGkyLniqvmvstGGtsLkddimrLyqPvhLLvGtPGriLdLtrkGicvLkdcsmLvmdeadkLLaPefqPsveaLihfLPPsrqLLmfsatfPvtvkefkekyLPrPyvinLmdeLtLkGitqyyafveerqkvhcLntLfskLqinqsiifcnsvnrveLLakkiteLGyscfyihakmLqdhrnrvfhdfrnGacrnLvctdLftrGidiqavnvvinfdfPktsetyLhrvGrsGryGhLGLavnLityedrfnLyrieqeLGteiktiPPqidLavycq

为了能更好的满足方便用户输入，特意增加了input（）函数，代码如下：

propensities = {
    'N':0.2299,'P':0.5523,'Q':-0.18770,'A':-0.2615,
    'R':-0.1766,'S':0.1429,'C':-0.01515,'T':0.0089,
    'D':0.2276,'E':-0.2047,'V':-0.38620,'F':-0.2256,
    'W':-0.2434,'G':0.4332,'H':-0.00120,'Y':-0.2075,
    'I':-0.4222,'K':-0.1001,'L':0.33793,'M':-0.2259
}
threshold = 0.3
input_seq = input('请输入序列：')
output_seq = ""
for res in input_seq:
    if res in propensities:
        if propensities[res] >= threshold:
            output_seq += res.upper()
        else:
            output_seq += res.lower()
    else:
        print('unrecognized character:',res)
        break
print(output_seq)

经过测试上面只适合单行的蛋白序列，带有换行符的序列暂时不可用，以后可以尝试增加replace（）使输入的序列删除换行符。

日常结尾：
虽然这是个小小的计算程序，但对于初学者的我来说每一次对原代码的升级改造，哪怕是读懂后的注释都感觉是一次进步提升，总之代码虽小，动手最重要！希望更多学习Python的爱好者不要像我一样眼高手低，学习编程就是要，思考，敲码，思考，敲码，敲码，再敲码！