如何利用Python字典查找FASTA序列中Motif的多次出现位置？

原代码的问题分析 #

• 第二个for Motiff in value:循环完全错误：它会遍历序列字符串的每个字符，并且覆盖了输入的Motiff参数，导致根本无法查找指定的Motif字符串
• value.index(Motiff)只能返回第一个匹配字符的索引，无法定位整个Motif的位置，也无法找到所有出现的实例

正确实现方案 #

方案1：使用find()循环查找 #

这种方法无需额外库，手动控制搜索位置：

def MotifFinder(sequence_dict, motif):
    # 遍历字典中的每个物种与对应序列
    for species, sequence in sequence_dict.items():
        print(f"物种: {species}")
        motif_len = len(motif)
        if motif_len == 0:
            print("Motif不能为空")
            continue
        
        start_pos = 0
        match_positions = []
        # 循环查找所有匹配位置
        while True:
            # 从start_pos开始搜索Motif
            current_pos = sequence.find(motif, start_pos)
            if current_pos == -1:
                # 找不到匹配，终止循环
                break
            # 转换为生物学常用的1-based索引，若需要0-based可去掉+1
            match_positions.append(current_pos + 1)
            # 更新起始位置，避免重复匹配同一区域
            start_pos = current_pos + 1
        
        # 输出结果
        if match_positions:
            print(f"Motif '{motif}'共出现{len(match_positions)}次，位置为: {match_positions}")
        else:
            print(f"未找到Motif '{motif}'")

方案2：使用正则表达式（更简洁） #

借助re模块的finditer方法，快速获取所有匹配位置：

import re

def MotifFinder(sequence_dict, motif):
    for species, sequence in sequence_dict.items():
        print(f"物种: {species}")
        match_positions = []
        # 遍历所有非重叠匹配
        for match in re.finditer(motif, sequence):
            # 转换为1-based索引
            match_positions.append(match.start() + 1)
        
        if match_positions:
            print(f"Motif '{motif}'共出现{len(match_positions)}次，位置为: {match_positions}")
        else:
            print(f"未找到Motif '{motif}'")

测试示例 #

用你提供的序列测试：

# 模拟存储物种和序列的字典
test_data = {
    "示例物种": "ACCTGCTTCCGTTCGAGTTCAGTT"
}

# 查找Motif "GTT"
MotifFinder(test_data, "GTT")

输出结果：

物种: 示例物种
Motif 'GTT'共出现2次，位置为: [11, 22]

内容的提问来源于stack exchange，提问作者João Ribeiro