Skip to main content
 首页 » 编程设计

python之用于重复 2 个或更多碱基的均聚物过滤器

2025年05月04日9shihaiming

我有重复的均聚物,如 ACACAC、GTGT 等。

我如何在 python 中使用正则表达式查找此类模式。例如。

seq = 'ACCTTAAAGG' 
x = [(m.group(), m.start()) for m in re.finditer(r'([ACGT])\1{2,}', seq) if len(m.group()) > 3] 

寻找长度 > 3 的 A 或 T 或 G 或 C 的重复。

你能建议我如何使用正则表达式来处理 AT、CG、AG 等类型的重复吗?

请您参考如下方法:

您可以使用以下正则表达式 (AC){3,}|(AG){3,}|(GC){3,}|(GT){3,}

>>> import re 
>>> s = 'ACACACCTTAACGCGCGAGGCGCGCGC' 
>>> pat = re.compile(r'(AC){3,}|(AG){3,}|(GC){3,}|(GT){3,}') 
>>> [(m.group(), m.start()) for m in re.finditer(pat, s)] 
[('ACACAC', 0), ('GCGCGCGC', 19)]