Rosalind 042 Inferring Protein from Spectrum

这个问题涉及生物信息学中的一项特定任务：根据给定的前缀质谱（prefix spectrum）来推断蛋白质序列。

背景

1. 蛋白质和氨基酸：蛋白质是由氨基酸残基构成的长链分子，每种氨基酸具有特定的质量。
2. 前缀质谱：这是指蛋白质序列从起始到某个点的所有片段的质量。例如，蛋白质“ACD”的前缀质谱包括氨基酸“A”的质量，氨基酸“AC”的质量，以及整个序列“ACD”的质量。
3. 单体同位素质量表：这是一个表，列出了每种氨基酸的质量。使用这个表，我们可以计算蛋白质序列的质量或者根据质量来推断可能的蛋白质序列。

问题

给定一个前缀质谱（即一系列质量值），要求推断出一个可能的蛋白质序列，使其前缀质谱与给定的质谱相匹配。这个序列的长度是质谱列表长度减一，因为蛋白质序列比其前缀质谱的项数少一。

解决方法

1. 计算质量差异：首先，计算给定质谱中相邻质量值之间的差异。这些差异对应于单个氨基酸的质量。根据题目的条件，计算连续数值之间的差异。这些差异对应于单个氨基酸的质量。例如，第一个和第二个数值之间的差异是 3710.9335 - 3524.8542，这将对应于第一个氨基酸的质量。

2. 匹配氨基酸：使用单体同位素质量表来匹配这些质量差异与特定的氨基酸。

• 现在，让我们计算这些质量差异并尝试匹配它们到氨基酸。我将使用标准的单体同位素质量表来进行匹配。

• 第一个质量差（3710.9335 - 3524.8542）对应于氨基酸 W。

• 第二个质量差（3841.974 - 3710.9335）对应于氨基酸 M。

• 第三个质量差（3970.0326 - 3841.974）对应于氨基酸 Q。

• 第四个质量差（4057.0646 - 3970.0326）对应于氨基酸S。 最后通过将这些氨基酸连接起来，形成一个蛋白质序列：WMQS

代码：

mino_acid_masses = {
    'A': 71.03711, 'C': 103.00919, 'D': 115.02694, 'E': 129.04259,
    'F': 147.06841, 'G': 57.02146, 'H': 137.05891, 'I': 113.08406,
    'K': 128.09496, 'L': 113.08406, 'M': 131.04049, 'N': 114.04293,
    'P': 97.05276, 'Q': 128.05858, 'R': 156.10111, 'S': 87.03203,
    'T': 101.04768, 'V': 99.06841, 'W': 186.07931, 'Y': 163.06333
}

# 从文件中读取质量值
spectrum_values = []
with open('D:/pycharm/Rosalind/Data/rosalind_spec.txt', 'r') as file:
    for line in file:
        # 假设每行一个质量值，去除换行符并转换为浮点数
        spectrum_values.append(float(line.strip()))

# 计算质量差异
mass_differences = [spectrum_values[i+1] - spectrum_values[i] for i in range(len(spectrum_values) - 1)]

# 找到与给定质量差最接近的氨基酸
def find_closest_amino_acid(mass):
    closest_amino_acid = None
    min_diff = float('inf')
    for amino_acid, amino_acid_mass in amino_acid_masses.items():
        diff = abs(mass - amino_acid_mass)
        if diff < min_diff:
            min_diff = diff
            closest_amino_acid = amino_acid
    return closest_amino_acid

# 对每个质量差找到对应的氨基酸
amino_acids = [find_closest_amino_acid(mass) for mass in mass_differences]

# 输出结果
print("".join(amino_acids))