Pythonプログラミング（総合演習課題）
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 | ga.NUC_T |
| C | 2 | ga.NUC_C |
| A | 3 | ga.NUC_A |
| G | 4 | ga.NUC_G |
ga.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math.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.py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
import ga
...
data = ga.readGBK("データファイル名")
ga.readGBK関数を実行すると、データがリストで返される。
塩基の系列は、リスト（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。
塩基対の数はリストの要素数として len(data) で得られる。
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
ga.printNuc(データを入れたリスト)
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=[ ga.NUC_A, ga.NUC_C, ga.NUC_G, ga.NUC_T, ga.NUC_A, ga.NUC_C ] printNuc(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。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 = ga.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
ga.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
ga.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.py）
# Written for Joho Kiso A
# Yoshinori Hayakawa, 2011
# 2019-02-22: Python version
import math
# defs for nucleotide
NUC_T=1
NUC_U=1
NUC_C=2
NUC_A=3
NUC_G= 4
# defs for amino acid */
AA_A=1
AA_C=2
AA_D=3
AA_E=4
AA_F=5
AA_G=6
AA_H=7
AA_I=8
AA_K=9
AA_L=10
AA_M=11
AA_N=12
AA_P=13
AA_Q=14
AA_R=15
AA_S=16
AA_T=17
AA_V=18
AA_W=19
AA_Y=20
AA_X=(-1) # terminate code
def readGBK(filename):
fp = open(filename,"r") ;
if fp is None:
print("cannot open file:",filename)
return 0
print("reading:",filename)
n=0
nucdata=[ ]
started=False
for line in fp:
records = line.split()
if records[0]=="ORIGIN":
started = True
n=0
elif records[0]=="//":
started = False
else:
if started:
for i in range(len(line)):
c = str(line)[i]
# print(c)
if c=='a' or c=='A':
nucdata.append(NUC_A)
n=n+1
elif c=='u' or c=='U' or c=='t' or c=='T':
nucdata.append(NUC_T)
n=n+1
elif c=='c' or c=='C':
nucdata.append(NUC_C)
n=n+1
elif c=='g' or c=='G':
nucdata.append(NUC_G)
n=n+1
fp.close
print(n,"bp")
return nucdata
def aminoAcid(x, y, z):
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]
k = (x-1)*16 + (y-1)*4 + (z-1)
if k>=0 and k<64:
return tab[k]
else:
return 0
def printAminoAcid(x, y, z):
k = aminoAcid(x,y,z)
dic={
AA_A: 'A',
AA_C: 'C',
AA_D: 'D',
AA_E: 'E',
AA_F: 'F',
AA_G: 'G',
AA_H: 'H',
AA_I: 'I',
AA_K: 'K',
AA_L: 'L',
AA_M: 'M',
AA_N: 'N',
AA_P: 'P',
AA_Q: 'Q',
AA_R: 'R',
AA_S: 'S',
AA_T: 'T',
AA_V: 'V',
AA_W: 'W',
AA_Y: 'Y',
AA_X: 'x',
}
if k in dic.keys():
print(dic[k],sep="",end="")
else:
print('?',sep="",end="")
def printNuc(nucdata):
for c in nucdata:
if c==NUC_A:
print("A",sep="",end="")
elif c==NUC_T:
print("T",sep="",end="")
elif c==NUC_C:
print("C",sep="",end="")
elif c==NUC_G:
print("G",sep="",end="")
print("")
def printTriplet(x, y, z):
trip=[x,y,z]
for c in trip:
if c==NUC_A:
print("A",sep="",end="")
elif c==NUC_T:
print("T",sep="",end="")
elif c==NUC_C:
print("C",sep="",end="")
elif c==NUC_G:
print("G",sep="",end="")