情報基礎A 「Cプログラミング」総合演習
このページでは、DNAの塩基配列データをCのプログラムで扱うための「支援プログラム」について、使い方や仕様を説明する。
「支援プログラム」の仕様
データの表現
ヌクレオチドの塩基は、記号としてではなく、数値で表現するようプログラムされている。その対応は
塩基 | 対応する数値 | 記号 |
T (またはU) | 1 | NUC_T |
C | 2 | NUC_C |
A | 3 | NUC_A |
G | 4 | NUC_G |
NUC_T
は、そこに1と書くのと同じである。他の塩基についても同様。(3.141592...と書くかわりにM_PI
と書
くことができたのと同じ原理)。
アミノ酸も同様に、数値として扱うようプログラムされている。対応する数値は、ga-helper.cを見れば一目瞭然なので、ここでは省略する。
GenBank形式のデータの読み出し
int n ; int data[5000] ; ・・・ n = readGBK("データファイル名",data) ;
あらかじめ、データを格納するのに十分な大きさの整数型配列を用意しておく(上では5000塩基対分)。 readGBK関数を実行すると、読み込まれた塩基対の数が返される(上の例では変数nにセットされる)。 塩基の系列は、配列変数(data)の先頭から、T,C,A,Gに対応した数値(1,2,3,4)に変換され、順に格納されている。 先頭の塩基は data[0]、末尾のデータは data[n-1]ということになる。
この関数を実行すると、読み込みファイル名と、読み込まれた塩基対の数が、画面に出力される。
塩基配列の画面への出力
printNuc(塩基対の数, データを入れた配列名) ;
塩基を表す数値の並びを、T,A,C,Gの記号の列として、画面にプリントする。
data[0]=NUC_A ; data[1]=NUC_C ; data[2]=NUC_G ; data[3]=NUC_T ; data[4]=NUC_A ; data[5]=NUC_C ; printNuc(6,data) ;
上記のプログラム(の部分)を実行すると、画面には
ACGTAC
と表示される。この場合、6塩基なので6を渡している点に注目。なお、配列の末尾では改行される。
塩基のトリプレットからアミノ酸コードへの変換
a = aminoAcid(n1,n2,n3) ;
タンパクをコードする3つの塩基(トリプレット)とアミノ酸の対応関係を求めるための関数。 塩基を表す数値を三つ与えると(n1,n2,n3)、それに対応するアミノ酸を表すコード(数値)を返す。 プログラム中では、20種類のアミノ酸に対応づけて、1から20までの整数を割り当てている。 ただし、アミノ酸をコードしていない組(TGA,TAA,TAG:終了コード)には -1 を割り当てている。
塩基のトリプレット対応するアミノ酸の記号をプリント
printAminoAcid(n1,n2,n3) ;
塩基を表す数値を三つ与えると(n1,n2,n3)、それに対応するアミノ酸を表す記号(1文字)をプリントする。
例えば、printAminoAcid(1,1,1);
は、”F"をプリント。
文字をプリントした後、改行はされない。
塩基のトリプレットの塩基配列をプリント
printTriplet(n1,n2,n3) ;
塩基を表す数値を三つ与えると(n1,n2,n3)、それに対応する塩基を表す記号(3文字)をプリントする。
例えば、printTriplet(1,1,1);
は、”TTT"をプリント。
文字をプリントした後、改行はされない。
プログラムリスト(ga-helper.c)
/* Written for Joho Kiso A */ /* Yoshinori Hayakawa, 2011 */ /* !!! DO NOT EDIT THE FOLLOWING LINES !!! */ #include <stdlib.h> #include <strings.h> #define BUFSIZE 1024 #define YES 1 #define NO 0 /* defs for nucleotide */ #define NUC_T 1 #define NUC_U 1 #define NUC_C 2 #define NUC_A 3 #define NUC_G 4 /* defs for amino acid */ #define AA_A 1 #define AA_C 2 #define AA_D 3 #define AA_E 4 #define AA_F 5 #define AA_G 6 #define AA_H 7 #define AA_I 8 #define AA_K 9 #define AA_L 10 #define AA_M 11 #define AA_N 12 #define AA_P 13 #define AA_Q 14 #define AA_R 15 #define AA_S 16 #define AA_T 17 #define AA_V 18 #define AA_W 19 #define AA_Y 20 #define AA_X (-1) /* terminate code */ int readGBK(char *filename, int *nucdata) { FILE *fp ; char line[BUFSIZE],buf1[BUFSIZE],buf2[BUFSIZE] ; int n,started=NO ; fp = fopen(filename,"r") ; if (fp==NULL) { fprintf(stderr,"cannot open file: %s\n",filename) ; return 0 ; } fprintf(stderr,"reading: %s\n",filename) ; while (1) { if (fgets(line, BUFSIZE-1, fp)==NULL) break ; sscanf(line,"%s%[^\n]",buf1,buf2) ; if ( !strcmp(buf1,"ORIGIN") ) { started = YES ; n=0 ; } else if ( !strcmp(buf1,"//")) { started = NO ; } else { if (started) { int i ; for (i=0; i<strlen(buf2); i=i+1) { switch (buf2[i]) { case 'a': case 'A': nucdata[n]=NUC_A ; n=n+1 ; break ; case 'u': case 'U': case 't': case 'T': nucdata[n]=NUC_T ; n=n+1 ; break ; case 'c': case 'C': nucdata[n]=NUC_C ; n=n+1 ; break ; case 'g': case 'G': nucdata[n]=NUC_G ; n=n+1 ; break ; default: ; } } } } } fclose(fp) ; fprintf(stderr,"%d bp\n",n) ; return n ; } int aminoAcid(int x,int y, int z) { int tab[]={ AA_F, AA_F, AA_L, AA_L, AA_S, AA_S, AA_S, AA_S, AA_Y, AA_Y, AA_X, AA_X, AA_C, AA_C, AA_X, AA_W, AA_L, AA_L, AA_L, AA_L, AA_P, AA_P, AA_P, AA_P, AA_H, AA_H, AA_Q, AA_Q, AA_R, AA_R, AA_R, AA_R, AA_I, AA_I, AA_I, AA_M, AA_T, AA_T, AA_T, AA_T, AA_N, AA_N, AA_K, AA_K, AA_S, AA_S, AA_R, AA_R, AA_V, AA_V, AA_V, AA_V, AA_A, AA_A, AA_A, AA_A, AA_D, AA_D, AA_E, AA_E, AA_G, AA_G, AA_G, AA_G} ; int k = (x-1)*16 + (y-1)*4 + (z-1) ; if (k>=0 && k<64) return tab[k] ; else return 0 ; } void printAminoAcid(int x,int y, int z) { char c, k = aminoAcid(x,y,z) ; switch (k) { case AA_A: c='A' ; break ; case AA_C: c='C' ; break ; case AA_D: c='D' ; break ; case AA_E: c='E' ; break ; case AA_F: c='F' ; break ; case AA_G: c='G' ; break ; case AA_H: c='H' ; break ; case AA_I: c='I' ; break ; case AA_K: c='K' ; break ; case AA_L: c='L' ; break ; case AA_M: c='M' ; break ; case AA_N: c='N' ; break ; case AA_P: c='P' ; break ; case AA_Q: c='Q' ; break ; case AA_R: c='R' ; break ; case AA_S: c='S' ; break ; case AA_T: c='T' ; break ; case AA_V: c='V' ; break ; case AA_W: c='W' ; break ; case AA_Y: c='Y' ; break ; case AA_X: c='x' ; break ; default: c='?' ; } printf("%c",c) ; } void printNuc(int n, int *nucdata) { int i,c ; for (i=0 ; i<n ; i=i+1) { c = nucdata[i] ; switch (c) { case NUC_A: printf("A") ; break ; case NUC_T: printf("T") ; break ; case NUC_C: printf("C") ; break ; case NUC_G: printf("G") ; break ; default:; } } printf("\n") ; } void printTriplet(int x, int y, int z) { int i,trip[3]={x,y,z} ; for (i=0 ; i<3 ; i=i+1) { switch (trip[i]) { case NUC_A: printf("A") ; break ; case NUC_T: printf("T") ; break ; case NUC_C: printf("C") ; break ; case NUC_G: printf("G") ; break ; default:; } } }