Python序列基序[L**L*L]定位求助：代码报错及位置查找需求

问题需求 #

需要在给定肽序列中查找匹配基序L**L*L（其中**代表任意氨基酸）的位置，输出格式为类似[2, 10]的列表形式，并将结果保存至FASTA文件。现有代码仅能检测基序是否存在，自行编写的定位代码存在语法错误，需修正。

现有代码问题分析 #

1. 检测基序的正则表达式错误：原代码中r"L*L*L"的*是正则通配符（匹配前一字符0次或多次），并非代表任意氨基酸，正确的任意氨基酸匹配应使用.。因此基序L**L*L对应的正则应为r"L..L.L"（L后接2个任意氨基酸，再L，再接1个任意氨基酸，最后L）。
2. 定位代码的语法错误：
   • 未定义变量s和peptide，需替换为实际的肽序列变量名peptide1；
   • startswith()方法不支持正则表达式匹配，无法正确识别基序。

修正后的完整代码 #

import re

# 定义肽序列
peptide1 = "MKFSNEVVHKSMNITEDCSALTGALLKYSTDKSNMNFETLYRDAAVESPQHEVSNESGSTLKEHDYFGLSEVSSSNSSSGKQPEKCCREELNLNESATTLQLGPPAAVKPSGHADGADAHDEGAGPENPAKRPAHHMQQESLADGRKAAAEMGSFKIQRKNILEEFRAMKAQAHMTKSPKPVHTMQHNMHASFSGAQMAFGGAKNNGVKRVFSEAVGGNHIAASGVGVGVREGNDDVSRCEEMNGTEQLDLKVHLPKGMGMARMAPVSGGQNGSAWRNLSFDNMQGPLNPFFRKSLVSKMPVPDGGDSSANASNDCANRKGMVASPSVQPPPAQNQTVGWPPVKNFNKMNTPAPPASTPARACPSVQRKGASTSSSGNLVKIYMDGVPFGRKVDLKTNDSYDKLYSMLEDMFQQYISGQYCGGRSSSSGESHWVASSRKLNFLEGSEYVLIYEDHEGDSMLVGDVPWELFVNAVKRLRIMKGSEQVNLAPKNADPTKVQVAVG"

# 定义正确的基序正则表达式
motif_pattern = re.compile(r"L..L.L")

# 查找所有匹配的起始位置（转换为1-based索引）
motif_positions = [match.start() + 1 for match in motif_pattern.finditer(peptide1)]

# 输出结果
print("基序位置：", motif_positions)

# 将结果写入FASTA文件
with open("motif_positions.fasta", "w") as fasta_file:
    fasta_file.write(">Motif positions for peptide1\n")
    fasta_file.write(str(motif_positions))

代码说明 #

• 使用re.compile()预编译正则表达式，提升匹配效率；
• re.finditer()遍历所有匹配项，通过match.start()获取0-based起始索引，加1转换为常用的1-based位置；
• 写入FASTA文件时，遵循FASTA格式规范：首行以>开头作为描述，第二行写入位置列表。

内容的提问来源于stack exchange，提问作者thole