Dominar Python para Bioinformática

Capítulo 11. Encontrar un motivo proteico: Obtención de datos y uso de expresiones regulares

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Ya hemos pasado bastante tiempo buscando motivos de secuencias.Como se describe en el reto MPRT de Rosalind, las secuencias compartidas o conservadas en las proteínas implican funciones compartidas. En este ejercicio, necesito identificar secuencias de proteínas que contengan el motivo de N-glicosilación. La entrada del programa es una lista de ID de proteínas que se utilizará para descargar las secuencias del sitio web UniProt. Tras demostrar cómo descargar los datos manual y programáticamente, mostraré cómo encontrar el motivo utilizando una expresión regular y escribiendo una solución manual.

Aprenderás:

• Cómo obtener datos de Internet mediante programación

• Cómo escribir una expresión regular para encontrar el motivo de N-glicosilación

• Cómo encontrar manualmente el motivo de N-glicosilación

Cómo empezar

Todo el código y las pruebas de este programa se encuentran en el directorio 11_mprt.Para empezar, copia la primera solución en el programa mprt.py:

$ cd 11_mprt
$ cp solution1_regex.py mprt.py

Inspecciona el uso:

$ ./mprt.py -h
usage: mprt.py [-h] [-d DIR] FILE

Find locations of N-glycosylation motif

positional arguments:
  FILE                  Input text file of UniProt IDs  optional ...