BioPython教程翻译：3.9  翻译，3.9  Translation

本文来自于Kate dNA的勃客：http://stupidbeauty.com/KNA/2011/05/biopython%e6%95%99%e7%a8%8b%e7%bf%bb%e8%af%91%ef%bc%9a3-9-%e7%bf%bb%e8%af%91%ef%bc%8c3-9-translation/，英文原文来自于：http://biopython.org/DIST/docs/tutorial/Tutorial.html#htoc25

3.9  翻译

在上一节中，我们研究咯转录，现在让我们来把这个mRNA 翻译成蛋白质序列-我们再次利用Seq 对象的一个生物学方法：

>>> from Bio.Seq import Seq

>>> from Bio.Alphabet import IUPAC

>>> messenger_rna = Seq(“AUGGCCAUUGUAAUGGGCCGCUGAAAGGGUGCCCGAUAG”, IUPAC.unambiguous_rna)

>>> messenger_rna

Seq(‘AUGGCCAUUGUAAUGGGCCGCUGAAAGGGUGCCCGAUAG’, IUPACUnambiguousRNA())

>>> messenger_rna.translate()

Seq(‘MAIVMGR*KGAR*’, HasStopCodon(IUPACProtein(), ‘*’))

你还可以直接从编码链DNA 序列翻译过来：

>>> from Bio.Seq import Seq

>>> from Bio.Alphabet import IUPAC

>>> coding_dna = Seq(“ATGGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG”, IUPAC.unambiguous_dna)

>>> coding_dna

Seq(‘ATGGCCATTGTAATGGGCCGCTGAAAGGGTGCCCGATAG’, IUPACUnambiguousDNA())

>>> coding_dna.translate()

Seq(‘MAIVMGR*KGAR*’, HasStopCodon(IUPACProtein(), ‘*’))

应当注意，在上面的蛋白质序列中，除咯最后的停止符号以外，在中间也有一个停止字符。这个例子是有意设计的，因为它能引出某些可选参数，包括不同的翻译表（基因编码（Genetic Codes））。

Biopython 中可用的翻译表是基于NCBI上的翻译表的（参见此教程的下一小节）。默认情况下，在翻译过程中会使用标准基因编码（编号为 1 的NCBI编码表）。假设我们在处理一个线粒体序列。我们需要告诉翻译函数要使用适当的基因编码：

>>> coding_dna.translate(table=”Vertebrate Mitochondrial”)

Seq(‘MAIVMGRWKGAR*’, HasStopCodon(IUPACProtein(), ‘*’))

你还可以使用NCBI 编码表编号来指定编码表，它更短，并且通常会包含在GenBank 文件的特性注释中：

>>> coding_dna.translate(table=2)

Seq(‘MAIVMGRWKGAR*’, HasStopCodon(IUPACProtein(), ‘*’))

现在，你可能想要翻译到第一个停止符号就结束（自然界就是这样的）：

>>> coding_dna.translate()

Seq(‘MAIVMGR*KGAR*’, HasStopCodon(IUPACProtein(), ‘*’))

>>> coding_dna.translate(to_stop=True)

Seq(‘MAIVMGR’, IUPACProtein())

>>> coding_dna.translate(table=2)

Seq(‘MAIVMGRWKGAR*’, HasStopCodon(IUPACProtein(), ‘*’))

>>> coding_dna.translate(table=2, to_stop=True)

Seq(‘MAIVMGRWKGAR’, IUPACProtein())

注意，当你使用to_stop 参数时，终止密码子本身不会被翻译出来-因此停止符号也不会出现在你的蛋白质序列的末尾。

如果你不喜欢采用默认的星号做停止符号的话，你甚至还可以指定一个停止字符：

>>> coding_dna.translate(table=2, stop_symbol=”@”)

Seq(‘MAIVMGRWKGAR@’, HasStopCodon(IUPACProtein(), ‘@’))

现在，假设你有一个完整编码序列CDS，它是一个有整数个数的密码子（也就是说，长度是3的整数倍）的核苷酸序列（比如说，信使RNA–已经过修剪），以一个启动密码子开始，以一个终止密码子结束，并且在中间没有终止密码子。一般来说，给定一个完整的编码序列的话，默认的翻译方法会为你做出正确的事（也许你会指定to_stop 选项）。然而，要是你的序列使用咯一个非标准的启动密码子勒？对于细菌经常发生这种事–比如说E. coli K12:中的基因yaaX：

>>> from Bio.Seq import Seq

>>> from Bio.Alphabet import generic_dna

>>> gene = Seq(“GTGAAAAAGATGCAATCTATCGTACTCGCACTTTCCCTGGTTCTGGTCGCTCCCATGGCA” +

…            ”GCACAGGCTGCGGAAATTACGTTAGTCCCGTCAGTAAAATTACAGATAGGCGATCGTGAT” +

…            ”AATCGTGGCTATTACTGGGATGGAGGTCACTGGCGCGACCACGGCTGGTGGAAACAACAT” +

…            ”TATGAATGGCGAGGCAATCGCTGGCACCTACACGGACCGCCGCCACCGCCGCGCCACCAT” +

…            ”AAGAAAGCTCCTCATGATCATCACGGCGGTCATGGTCCAGGCAAACATCACCGCTAA”,

…            generic_dna)

>>> gene.translate(table=”Bacterial”)

Seq(‘VKKMQSIVLALSLVLVAPMAAQAAEITLVPSVKLQIGDRDNRGYYWDGGHWRDH…HR*’,

HasStopCodon(ExtendedIUPACProtein(), ‘*’)

>>> gene.translate(table=”Bacterial”, to_stop=True)

Seq(‘VKKMQSIVLALSLVLVAPMAAQAAEITLVPSVKLQIGDRDNRGYYWDGGHWRDH…HHR’,

ExtendedIUPACProtein())

在细菌的基因编码中，GTG 是一个有效的启动密码子，而且，尽管它一般情况下是编码缬氨酸的，但是如果是用作启动密码子的话，它应当被翻译成甲硫氨酸。如果你告诉Biopython 说你的序列是一个完整的CDS 的话，就会发生这种事：

>>> gene.translate(table=”Bacterial”, cds=True)

Seq(‘MKKMQSIVLALSLVLVAPMAAQAAEITLVPSVKLQIGDRDNRGYYWDGGHWRDH…HHR’,

ExtendedIUPACProtein())

除咯告诉将某个启动密码子翻译成甲硫氨酸之外，使用这个选项还能确认你的序列真的是一个有效的CDS（如果不是的话，你会遇到一个异常）。

在16.1.2 小节中的例子将 Seq 对象的翻译方法与Bio.SeqIO 结合，以进行序列的输入／输出。

注意：Seq对象的translate 方法是在Biopython 1.49 中新加的。对于旧版本，你需要使用Bio.Seq 模块的translate 函数，参见3.14小节。cds 选项是在Biopython 1.51 中新加的，并且在旧版本的Biopython 中，无法轻易地做到这一点。