Я полный Python noob, поэтому, пожалуйста, простите мой простой вопрос. Я пытаюсь написать script, который найдет все последовательности в огромной строке, которые соответствуют ATxxxCA, ATxxxxCA, ATxxxxxCA или ATxxxxxxCA, где x может быть любым символом. Когда образец ATxxxCA сопоставляется, я хотел бы, чтобы script захватил предыдущие 10 и следующие 10 символов, окружающих сопоставленную ATxxxCA. Например, результат может выглядеть так: aaaaaaaaaaATxxxCAbbbbbbbbbb
Я попытался запустить script следующим образом:
SeqMatch = input("enter DNA sequence to search: ")
for s in re.findall(r'AT(.*?)CA', SeqMatch):
if len(s) is < 10:
print(s)
else:
print('no sequence matches')
Кажется, я делаю что-то неправильно в моем цикле if? Может ли кто-нибудь помочь? Спасибо заранее!
Позаботьтесь о перекрытиях:
import re
adn = ('TCGCGCCCCCCCCCCATCAAGACATGGTTTTTTTTTTATTTATCAGATTACAGATACA'
'GTTATGGGGGGGGGGATATACAGATGCATAGCGATTAGCCTAGCTA')
regx = re.compile('(.{10})(AT.{3,6}CA)(.{10})')
res = regx.findall(adn)
for u in res:
print u
print
pat = re.compile('(.{10})(AT.{3,6}CA)')
li = []
for mat in pat.finditer(adn):
x = mat.end()
li.append(mat.groups()+(adn[x:x+10],))
for u in li:
print u
результат
('CCCCCCCCCC', 'ATCAAGACA', 'TGGTTTTTTT')
('GGGGGGGGGG', 'ATATACA', 'GATGCATAGC')
('CCCCCCCCCC', 'ATCAAGACA', 'TGGTTTTTTT')
('TTTTTTTTTT', 'ATTTATCA', 'GATTACAGAT')
('GGGGGGGGGG', 'ATATACA', 'GATGCATAGC')
Кажется, я что-то делаю неправильно мой цикл if?
Python не знает, что означает "is" (в этом контексте).
Удалите "is" из вашей проверки if,
if len(s) < 10:
print(s)
else:
print('no sequence matches')
Вы также сказали:
Когда шаблон ATxxxCA сопоставляется, я тогда было бы желательно, чтобы scriptзахватить предыдущие 10 и следующие 10 символы, окружающие сопоставленные ATxxxCA. Например, результат может выглядят так: aaaaaaaaaaATxxxCAbbbbbbbbbb
Если вы хотите захватить предыдущие и/или перенесенные (?) 10 символов, измените регулярное выражение на
(.{10})AT(.*)CA(.{10})
Вы получите свои 10 как в одном результате, а затем материал между AT и CA, а затем ваши 10bs.
Или вы можете захватить все это, используя один набор пасетезов вокруг всего.
(.{10}AT.*CA.{10})
Regexpal - это находка для создания/отладки регулярных выражений.
Вот пример:
s = "a"*20 + "ATxxxxCA" + "b"*20
rec = re.compile(r'(AT.{3,6}CA)')
mo = rec.search(s)
print s[mo.start()-10:mo.end()+10]