🧬 1.4 리딩 프레임

1.4 리딩 프레임

🧬 단백질의 번역 과정은 반드시 ATG 코돈에서 시작하기 때문에 이것을 찾아야만 어디가 번역의 시작점인지 알 수 있다.
🧬 하지만 이 코돈이 항상 서열의 시작점에 있는 것이 아니기 때문에 찾는 과정이 필요하다.
🧬 ATG를 찾기 위해서 염기서열을 나누는 것을 리딩 프레임이라고 한다.
🧬 첫번째문자, 두번째문자, 세번째문자부터 시작하는 리딩 프레임이 존재하며, 이 서열이 주형가닥이 아닐때의 경우도 고려하여 하나의 염기 서열에는 총 여섯개의 리딩 프레임이 존재한다.

1.4.1. 여섯개의 리딩프레임에서 DNA 서열을 계산

---

🧬 DNA 서열을 아미노산으로 변경해주는 translate_seq( ) 함수를 이용하여 res 리스트에 아미노산 서열 입력
🧬 역상보서열을 만드는 reverse_complement( ) 함수를 이용하여 역상보서열에 대한 아미노산 서열을 생성
🧬 아미노산 서열 res 반환

def reading_frames(dna_seq):
    assert validate_dna(dna_seq), "Invalid DNA sequence"
    res = []
    #DNA서열
    res.append(translate_seq(dna_seq,0))
    res.append(translate_seq(dna_seq,1))
    res.append(translate_seq(dna_seq,2))
    
    #역상보서열
    rc = reverse_complement(dna_seq)
    res.append(translate_seq(rc,0))
    res.append(translate_seq(rc,1))
    res.append(translate_seq(rc,2))
    return res

print(reading_frames("ATGGGATCGTAGTCGTACTAGCTAGCTGATGGTACTCGATAGTCTACGTAGCTAGTGGTACTGGATGGTACTCAGTAACAT"))

>> ['MGS_SY_LADGTR_ST_LVVLDGTQ_H', 'WDRSRTS_LMVLDSLRS_WYWMVLSN', 'GIVVVLAS_WYSIVYVASGTGWYSVT',
    'MLLSTIQYH_LRRLSSTIS_LVRLRSH', 'CY_VPSSTTSYVDYRVPSAS_YDYDP', 'VTEYHPVPLAT_TIEYHQLASTTTIP']

💊 역상보 서열을 사용한 이유는 원래 뒤에서부터 읽는 상보적인 서열을 앞에서부터 읽어오기 위함이다.
여섯개의 리딩프레임에 대해서 계산했기 때문에 반환된 아미노산 리스트도 여섯개의 서열을 가지고 있다.

1.4.2. 아미노산 서열에서 가능한 단백질 리스트 생성

---

🧬 오픈리딩 프레임(ORF) : 단백질로 번역될 가능성이 있는 서열
🧬 단백질 번역은 개시코돈에서 시작하여 종결코돈에서 끝나기 때문에 종결코돈의 유무를 확인해야함
🧬 all_proteins_rf( ) 함수 생성
🧬 아미노산 서열을 받아서 오픈리딩프레임 확인
🧬 단백질 서열 proteins 반환

def all_proteins_rf(aa_seq):
    aa_seq = aa_seq.upper()
    current_prot = []
    proteins = []
    
    for aa in aa_seq:                                          #1 아미노산서열(aa_seq)의 아미노산(aa)에 대하여 
        if aa == "_":                                          #6 아미노산이 _이면
            if current_prot:                                   #7 current_prot에 이미 아미노산(aa)이 있다면
                for p in current_prot:                        
                    proteins.append(p)                         #8 aa string을 proteins에 append하고
                    current_prot = []                          #9 current_prot을 비움
        else:
            if aa == "M":                                      #2 아미노산(aa)이 M이면
                current_prot.append("")                        #3 current_prot에 문자열 자리 생성
            for i in range(len(current_prot)):                 #4 current_prot의 자리에
                current_prot[i] += aa                          #5 아미노산(aa) 추가
    
    return proteins

print(all_proteins_rf("MDRYRA_DMGERTY_RRYGMAYRGD_"))

>> ['MDRYRA', 'MGERTY', 'MAYRGD']

M으로 시작해서 _으로 끝나는 아미노산서열만 단백질서열이 된것을 확인하자.

1.4.3. 모든 오픈 리딩프레임에서 가능한 단백질 계산

---

🧬 reading_frames( ) : DNA 서열을 받아서 가능한 아미노산 서열을 반환 (6개)
🧬 all_proteins_rf( ) : 아미노산 서열을 받아서 종결코돈을 고려한 단백질을 반환
🧬 all_orfs( ) 함수 생성 - DNA 서열을 받아서 단백질 서열 반환

def all_orfs(dna_seq):
    assert validate_dna(dna_seq), "Invalid DNA sequence"
    rfs = reading_frames(dna_seq)                               #1 rfs - 아미노산 서열
    res = []
    for rf in rfs:                                              #2 모든 ORF에 대하여
        prots = all_proteins_rf(rf)                             #3 prots - 단백질 리스트
        for p in prots:
            res.append(p)                                       #4 res에 prots 원소들 append
    return res

print(all_orfs("ATGGGATCGTAGTCGTACTAGCTAGCTGATGGTACTCGATAGTCTACGTAGCTAGTGGTACTGGATGGTACTCAGTAACAT"))

>> ['MGS', 'MVLDSLRS', 'MLLSTIQYH']

all_orfs( ) 함수에서 reading_frames( )과 all_proteins_rf( )를 호출하여 DNA서열을 받아 한번에 단백질서열을 만든다.

1.4.4. 가능한 단백질을 최소 크기로 거르기

---

🧬 실제로는 단백질 크기가 작을수록 발현할 가능성이 크기 때문에 이를 고려해주면 좋음
🧬 all_orfs_ord( ) 함수 생성 - DNA 서열과 최소 크기를 인수로 받아 단백질 서열을 크기별로 정렬해주는 함수

#정렬 삽입 함수
def all_orfs_ord(dna_seq, minsize = 0):
    assert validate_dna(dna_seq), "Invalid DNA sequence"
    rfs = reading_frames(dna_seq)
    res = []
    for rf in rfs:
        prots = all_proteins_rf(rf)
        for p in prots:
            if len(p) > minsize:                                          #1 단백질의 크기가 최소크기보다 크면
                insert_prot_ord(p,res)                                    #2 insert_prot_ord() 연산 진행
    return res                                                                           

#정렬함수
def insert_prot_ord(prot, list_prots):
    i = 0                                                                  #3 i = 0 초기화
    while i < len(list_prots) and len(prot) < len(list_prots[i]):          #4 기존 i 인덱스의 단백질 크기가 더 크면
        i += 1                                                             #5 인덱스 값 i 에 1씩 더함 - 내림차순 정렬
    list_prots.insert(i, prot)                                             #6 최종 i 위치에 정렬 / 삽입
    
print(all_orfs_ord("ATGGGATCGTAGTCGTACTAGCTAGCTGATGGTACTCGATAGTCTACGTAGCTAGTGGTACTGGATGGTACTCAGTAACAT"))

>> ['MLLSTIQYH', 'MVLDSLRS', 'MGS']

단백질 서열이 큰 순서대로 정렬되었다.

---

💡 Bioinformatics Algorithms(에이콘출판, 2020)를 공부하고 개인 학습용으로 정리한 자료입니다.