Транскрипция и сборка базовых операций

Соберём изученное в маленький набор инструментов: длина, состав, комплемент, транскрипция — кирпичики для всего дальнейшего.

Транскрипция в коде — преобразование строки ДНК в строку мРНК заменой каждого тимина (T) на урацил (U).

По отдельности базовые операции мы уже видели. Этот урок показывает, как их связать в осмысленный конвейер и аккуратно учесть, что у ДНК две нити — а значит, транскрибировать можно с любой из них.

Транскрипция в коде

Если ген на плюс-нити, мРНК — это просто ДНК с заменой T→U. Но клетка синтезирует РНК по матричной (template) нити, и итоговая мРНК совпадает с кодирующей нитью. Для нас на уровне строк важно одно правило: T→U на кодирующей нити.

def transcribe(dna):
    return dna.upper().replace("T", "U")

coding = "ATGGCCTAA"
print("Кодирующая ДНК:", coding)
print("мРНК:          ", transcribe(coding))

Вывод:

Кодирующая ДНК: ATGGCCTAA
мРНК:           AUGGCCUAA

Транскрипция с матричной нити

Если вам дана матричная (template) нить, мРНК — это её обратный комплемент с U вместо T. Учтём это явно, чтобы не запутаться, какая нить дана.

pairs = {"A": "U", "T": "A", "G": "C", "C": "G"}

def mrna_from_template(template):
    # мРНК синтезируется комплементарно матричной нити
    return "".join(pairs[b] for b in reversed(template))

template = "TTAGGCCAT"
print("Матричная нить:", template)
print("мРНК:          ", mrna_from_template(template))

Вывод:

Матричная нить: TTAGGCCAT
мРНК:           AUGGCCUAA

Обе дороги привели к одной мРНК AUGGCCUAA — потому что матричная нить была обратным комплементом кодирующей. Понимание этой симметрии спасает от путаницы.

Мини-инструментарий

Сложим базовые функции вместе — это «швейцарский нож» для последовательностей, на который мы будем опираться дальше.

rc_table = str.maketrans("ATGC", "TACG")

def length(seq):
    return len(seq)

def gc(seq):
    s = seq.upper()
    return (s.count("G") + s.count("C")) / len(s) * 100

def reverse_complement(seq):
    return seq.upper().translate(rc_table)[::-1]

def transcribe(seq):
    return seq.upper().replace("T", "U")

dna = "ATGCGTACG"
print("Длина:              ", length(dna))
print("GC-состав:          ", f"{gc(dna):.1f}%")
print("Обратный комплемент:", reverse_complement(dna))
print("мРНК:               ", transcribe(dna))

Вывод:

Длина:               9
GC-состав:           55.6%
Обратный комплемент: CGTACGCAT
мРНК:                AUGCGUACG

Как работает под капотом: одна нить — два смысла

Каждый участок генома можно прочитать в шести «рамках»: три на плюс-нити и три на минус-нити (через обратный комплемент). Поэтому при поиске генов всегда рассматривают обе нити. Наш reverse_complement — ровно тот инструмент, что даёт доступ ко второй нити; рамки считывания разберём в следующем разделе.

Полезно отрефлексировать, что мы только что собрали мини-библиотеку, и оценить её устойчивость. Все четыре функции принимают строку и возвращают строку или число — они чистые (без побочных эффектов), а значит, легко тестируются и комбинируются. Но у них есть скрытое допущение: вход состоит только из ATGC. Функция reverse_complement на базе str.translate устойчива — неизвестные символы она просто оставит как есть, — а вот вариант со словарём упал бы по KeyError на букве N. В продакшен-коде такие допущения делают явными: либо валидируют вход на границе системы (как мы делали в разделе про строки), либо расширяют таблицы, чтобы корректно обрабатывать N и IUPAC-символы. Привычка с самого начала думать «а что если на входе грязь» отличает учебный код от рабочего.

Частые ошибки

Транскрибировать, не определив нить. Дана кодирующая или матричная? От этого зависит, нужен ли обратный комплемент.
Оставить T в мРНК. После транскрипции T быть не должно.
Смешивать алфавиты. В функциях для РНК таблица пар использует U, в ДНК — T.

Связав воедино транскрипцию, GC-состав и обратный комплемент, мы фактически реализовали в миниатюре то, что делают «солдатские» утилиты биоинформатики вроде пакета EMBOSS или модулей Biopython: дай последовательность — получи её базовые характеристики и преобразования. Разница в том, что промышленные инструменты обрабатывают терабайты, поддерживают десятки форматов и учитывают тысячу краевых случаев. Но идейно внутри них — ровно те же строковые операции, что мы написали на двух десятках строк stdlib. Это важный вывод раздела: биоинформатика не магия, а аккуратная инженерия над строками; поняв базовые кирпичики, вы понимаете и то, что прячут готовые библиотеки, и можете при необходимости заглянуть внутрь или собрать своё.

Итог

Транскрипция кодирующей нити — замена T→U; с матричной нити — обратный комплемент с U.
Обе пути дают одну мРНК, потому что нити комплементарны.
Базовые функции (длина, GC, обратный комплемент, транскрипция) образуют переиспользуемый инструментарий.
Любой участок читается в шести рамках (две нити × три сдвига) — основа поиска генов.