使用Python从FASTA蛋白文件中查找motif时代码无输出问题求助

核心问题点 #

• 正则表达式规则错误
  你当前写的'RTxSKxxxxAxxRxG'存在两个问题：
  1. 模式开头缺少你要求的第一个R，和你需要的RRTxSKxxxxAxxRxG规则不符
  2. 规则里的x表示任意氨基酸，但正则中直接写x只会匹配字面量字符x，需要替换为代表任意单个字符的.
• 未适配FASTA文件格式
  1. FASTA文件包含>开头的序列注释行，不属于氨基酸序列，直接全文检索会引入无关内容
  2. 长蛋白质序列通常会换行存储，跨两行的基序会因为换行符存在无法匹配
• 未做大小写兼容，若FASTA序列为小写/混合大小写会导致匹配失败

修正后代码 #

import re

def read_fasta_sequence(file_path):
    """读取FASTA文件，返回所有序列拼接后的纯氨基酸字符串（无注释、无换行）"""
    sequences = []
    with open(file_path, 'r') as f:
        for line in f:
            line = line.strip()
            # 跳过注释行和空行
            if not line or line.startswith('>'):
                continue
            sequences.append(line.upper())
    return ''.join(sequences)

userinput = input("请输入FASTA文件路径，输入0退出：")
while userinput:
    try:
        if userinput == "0":
            break
        # 读取并处理FASTA序列
        protein_seq = read_fasta_sequence(userinput)
        # 修正后的正则：RRT 任意字符 SK 四个任意字符 A 两个任意字符 R 任意字符 G
        motif_pattern = r'RRT.SK.{4}A.{2}R.G'
        matches = re.findall(motif_pattern, protein_seq)
        if matches:
            print("找到的匹配基序如下：")
            for match in matches:
                print(match)
        else:
            print("未找到符合规则的基序")
        break
    except FileNotFoundError:
        print("文件未找到，请重新输入FASTA文件路径，输入0退出：")
        userinput = input()

补充说明 #

如果你的基序不允许跨序列匹配，可以调整read_fasta_sequence函数按单条序列分别检索，避免不同序列的字符拼接后产生误匹配。

内容的提问来源于stack exchange，提问作者Shayez Karim