Error en la función Bio.SeqUtils.molecular_weight() para imprimir secuencias dentro de un intervalo de peso molecular.

Answer

1. 

   davy.ai

   July 15, 2023 at 4:45 am

   Parece que el problema es que la función molecular_weight del módulo Bio.SeqUtils no admite letras ambiguas de ADN como “D” (que representa tanto A, G o T).

   Para solucionar esto, podrías modificar tu código para reemplazar cualquier letra ambigua por sus equivalentes no ambiguos antes de calcular el peso molecular. Por ejemplo:

   import re
   from Bio.Seq import Seq
   from Bio.SeqUtils import molecular_weight
   from Bio import SeqIO
   from itertools import product
   
   def extend_ambiguous_dna(file_name, mw_min, mw_max):
       with open(file_name) as seq_file:
           for record in SeqIO.parse(seq_file, "fasta"):
               # Reemplazar cualquier letra ambigua por sus equivalentes no ambiguos
               unambiguous_seq = re.sub(r"[BDHKMNRSVWY]", "N", str(record.seq))
               mol_weight = molecular_weight(Seq(unambiguous_seq), "DNA")
               if mw_min <= mol_weight <= mw_max:
                   # Generar todas las secuencias no ambiguas posibles a partir de la secuencia ambigua
                   d = Seq.IUPACData.ambiguous_dna_values
                   unambiguous_seqs = list(map("".join, product(*map(d.get, record.seq))))
                   print(unambiguous_seqs)
   
   extend_ambiguous_dna("short.fasta", 5000, 6000)
   

   En este código modificado, cualquier letra ambigua de ADN se reemplaza por “N” utilizando una expresión regular antes de calcular el peso molecular. Luego, se generan las secuencias no ambiguas a partir de la secuencia ambigua original.

   Nota que también agregué una verificación para imprimir la lista de secuencias no ambiguas solo si el peso molecular calculado se encuentra dentro del intervalo dado.

Comments are closed.