Python氨基酸单字母码转三字母码及链编号代码问题排查

需求说明 #

• 输入为存储单字母氨基酸编码的字符串，例如'GPHMAQGTLI'
• 按字符原有顺序，将每个单字母氨基酸编码转换为对应的三字母编码
• 为每个氨基酸匹配指定区间（如参考区间300-309、测试区间250-254）内顺序递增的链编号
• 按顺序输出「三字母编码+链编号」的组合结果

现存问题 #

当前编写的代码运行后仅能输出第一个结果GLY250，无法输出全部顺序排列的结果，问题代码如下：

d = {'CYS': 'C', 'ASP': 'D', 'SER': 'S', 'GLN': 'Q', 'LYS': 'K',
    'ILE': 'I', 'PRO': 'P', 'THR': 'T', 'PHE': 'F', 'ASN': 'N', 
     'GLY': 'G', 'HIS': 'H', 'LEU': 'L', 'ARG': 'R', 'TRP': 'W', 
     'ALA': 'A', 'VAL':'V', 'GLU': 'E', 'TYR': 'Y', 'MET': 'M'}

def triple_aa(val, num):
    for key, value in d.items():
         if val == value:
             print(key, num)
     
    
def single_aa(x):
    for i in x:
        #print(i)
        return i
        
        
def chain_no(a,b):
    for i in range(a,b+1,1):
        #print(i)
        return i
        
    
A= single_aa('GPHMA')
B= chain_no(250,254)
triple_aa(A,B) 

错误原因 #

• single_aa、chain_no两个函数的return语句错误写在for循环内部，循环第一次执行就会直接终止函数返回当前值，根本不会遍历完整个氨基酸序列、整个编号区间：
  • 执行single_aa('GPHMA')时，第一次循环取到第一个字符'G'就直接返回，后续的P/H/M/A完全不会被处理
  • 执行chain_no(250,254)时，第一次循环取到第一个编号250就直接返回，后续的251/252/253/254完全不会生成
• triple_aa函数仅设计为接收单个氨基酸、单个编号做处理，没有实现逐位配对遍历氨基酸和对应编号的逻辑

修正方案 #

首先反转原有氨基酸字典，把「三字母:单字母」的结构改成「单字母:三字母」，查询时不用每次循环遍历字典，效率更高；之后直接逐位配对氨基酸序列和编号区间的每个值，拼接输出即可。修正后代码如下：

# 构建单字母转三字母的氨基酸查询字典
aa_map = {v: k for k, v in {
    'CYS': 'C', 'ASP': 'D', 'SER': 'S', 'GLN': 'Q', 'LYS': 'K',
    'ILE': 'I', 'PRO': 'P', 'THR': 'T', 'PHE': 'F', 'ASN': 'N', 
    'GLY': 'G', 'HIS': 'H', 'LEU': 'L', 'ARG': 'R', 'TRP': 'W', 
    'ALA': 'A', 'VAL':'V', 'GLU': 'E', 'TYR': 'Y', 'MET': 'M'
}.items()}

def convert_aa(seq, start_id, end_id):
    # 校验序列长度和编号区间长度一致，避免错位
    seq_len = len(seq)
    id_range_len = end_id - start_id + 1
    if seq_len != id_range_len:
        raise ValueError(f"序列长度({seq_len})和编号区间长度({id_range_len})不匹配")
    
    result = []
    # 逐位配对单字母氨基酸、递增链编号
    for single_aa, chain_id in zip(seq, range(start_id, end_id + 1)):
        triple_code = aa_map[single_aa]
        item = f"{triple_code}{chain_id}"
        result.append(item)
        print(item)
    return result

# 测试用例：序列GPHMA对应编号250-254
convert_aa('GPHMA', 250, 254)

运行结果 #

GLY250
PRO251
HIS252
MET253
ALA254

注：原问题描述中给出的期望输出仅列到MET253，是因为原代码逻辑错误仅传入了第一个氨基酸和第一个编号，5位长度的序列GPHMA对应250-254共5个编号，实际完整输出包含最后一位ALA254。

内容的提问来源于stack exchange，提问作者shivam