如何检查序列是否是蛋白质序列？

Question

给定一个随机序列，我该如何检查该序列是否是蛋白质？

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对象有一个指定的字母，您可以检查如果字母是蛋白质字母表：

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，如果你没有字母表知道，你必须利用一些启发式来猜测它是否是蛋白质序列。这可以像检查序列完全是“ATC [GU]”还是使用其他字母代码一样简单。

但这并不完美。例如，序列“ATCG”可以是丙氨酸，苏氨酸，半胱氨酸，甘氨酸（即蛋白质），或者它可以是腺嘌呤，胸腺嘧啶，胞嘧啶，鸟嘌呤（DNA）。同样，“ACG”可能是蛋白质，RNA或DNA。确定一个序列是DNA而不是蛋白质序列在技术上是不可能的。但是，如果您有SeqRecord或Seq的其他上下文，您可能能够检查它是否是蛋白质序列。