(Bio.SeqUtils.molecule_weight function)无法计算明确核苷酸序列的分子量

Question

我正试图在python中创建一个函数，该函数从fasta文件中读取明确和不明确的核苷酸序列，并返回序列ID和分子量。

我用以下代码尝试了这个：

import Bio
from Bio import SeqUtils, SeqIO
def function(filename):
nucleotides ={'A','T', 'C', 'G'}
with open(filename) as file:
for record in SeqIO.parse(file, "fasta"):
for nucl in record:
if nucl in nucleotides:
continue
else:
print(str(record.id)+": is ambiguous")
break
else:
mol_weight= Bio.SeqUtils.molecular_weight(record)
print(str(record.id)+": is unambiguous & molecular weight = "+str(mol_weight))
function("random.fasta")

如果我在不明确的序列上使用这个代码，绝对没有问题，我会得到我想要的结果。然而，如果我包括明确的序列，我得到"；ValueError："I"不是一个有效的明确的DNA字母是由"Bio.SeqUtils.molecule_weight(record("函数引起的，在我看来，这是没有意义的，因为如果我正确的话，字母"I"通常会导致第一个else语句的中断。

我还使用了一个自定义函数来手动计算分子量(基于固定值(，在这种情况下没有错误，该函数对不明确和不明确的序列都很好。然而，有人指出，我的手动计算不如内置函数准确。

我对Python有点陌生，但我希望有人能知道为什么ValueError仍然会发生，以及如何解决它

Answer 1

我认为错误发生在表达式mol_weight= Bio.SeqUtils.molecular_weight(record)中。

记录被隐式地转换为它的字符串表示ID: SEQUENCE_1 ...。因此，ValueError中的'I'根本不对应于核苷酸，而是相当随机的字符串值。

请尝试以下行：mol_weight = Bio.SeqUtils.molecular_weight(record.seq)

对我来说，它返回了想要的结果：

SEQUENCE_1: is unambiguous & molecular weight = 331.2218

对于一个琐碎的序列(只有字母a(，它之前会引发您描述的错误。

>SEQUENCE_1
A

更新：

完整的解决方案如下：

from Bio import SeqIO, SeqUtils

def function(filename):
with open(filename) as file:
for record in SeqIO.parse(file, "fasta"):
try:
mol_weight = SeqUtils.molecular_weight(record.seq)
print(f"{record.id}: is unambiguous & molecular weight = {mol_weight}")
except ValueError as exception:
print(f"{record.id}: {exception}")

if __name__ == '__main__':
function("random.fasta")

我包含了@pippo1980答案中的exeception处理，因为它确实更简单、更快，而且可以说更像蟒蛇。

Answer 2

较短：

from Bio import SeqIO, SeqUtils

def function(filename):
with open(filename) as file:
for record in SeqIO.parse(file, "fasta"):
try:
mol_weight= SeqUtils.molecular_weight(record.seq, 'DNA')
print(str(record.id)+": is unambiguous & molecular weight = "+str(mol_weight))

except Exception as exception:
print(record.id+':',str(type(exception).__name__), str(exception))

function("random.fasta")

function("random.fasta")

输入random.fasta文件：

>first
AAAAAAAAAAAAATTTTTTTTTTTTTTGGGGGGGGGGGGGGCCCCCCCCCCCCCCGTA
>second
AAAAAAAAAAAAAAAAAAAAATTTTTTTTTTTTTTTTICCCCCCCCCCCCCCCCCCCCCCCCCCC
>third
AAAAAAAAAQQQQQQQQQQQQQQQQQQTTTTTTTTTT
>fourth
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAATTTTTTTTTTTTTTTTTGGGGGGGGGGGGGGGGGCGCGCGCGCGC

输出：

first: is unambiguous & molecular weight = 17952.438
second: ValueError 'I' is not a valid unambiguous letter for DNA
third: ValueError 'Q' is not a valid unambiguous letter for DNA
fourth: is unambiguous & molecular weight = 25755.56080000001