Рекорды неорганических веществ: удивительные факты о химических элементах и соединениях

[ZZZ7ZZZ]

В 26.12.2024 в 23:10, chemister2010 сказал:

Убрать лишние символы (нумерацию аминокислот, пробелы).

Тут только что до меня дошло - может ты что-то не то делал? Какие пробелы, нумерации, там после Show sequence доступны две опции - скопировать (в буфер) и скачать (откроется https://rest.uniprot.org/uniprotkb/Q8WZ42.fasta). Во втором случае надо первую строку убрать и абзацы, в первом - просто вставить в текстовый файл, там вообще ничего лишнего, непрерывная последовательность.

Только что проверил на очень смешной машинке (Atom D425 под XP) - не летает, конечно, при замене, но вполне неплохо шуршит.

Я это к чему - может винт уже сыпаться начал, резервные копии пора делать. Сдохнет ведь всё, в один момент.

[yatcheh]

В 26.12.2024 в 21:51, ZZZ7ZZZ сказал:

A Аланил - 2084
C Цистеинил - 513
D Аспартил - 1720
E Глутамил - 3193
F Фенилаланил - 908
G Глицил - 2066
H Гистидил - 478
I Изолейцил - 2062
K Лизил - 2943
L Лейцил - 2117
M Метионил - 398
N Аспарагинил - 1111
P Пролил - 2517
Q Глутаминил - 942
R Аргинил - 1640
S Серил - 2463
T Треонил - 2546
V Валил - 3184
W Триптофил - 466
Y Тирозил - 999

Та же фигня получилась. 

[ZZZ7ZZZ]

В 27.12.2024 в 17:31, yatcheh сказал:

Та же фигня получилась. 

Да я в тебе и не сомневался.

В 26.12.2024 в 23:17, chemister2010 сказал:

химическое название 1 хромосомы человека. Но там 248 миллионов пар нуклеотидов

И где все эти нуклеотиды в однобуквенном виде?
Здесь как-то мутно всё - слишком много явно лишних NNN. https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_000001405.40/

Аналогично. https://ftp.ensembl.org/pub/release-113/fasta/homo_sapiens/dna/

Здесь без NNN, но размер прилично поменьше. Нет там столько NNN, чтобы объяснить разницу. https://download.cncb.ac.cn/gwh/Animals/Homo_sapiens_v1.1_GWHDQZJ00000000

[chemister2010]

В 29.12.2024 в 09:43, ZZZ7ZZZ сказал:

Да я в тебе и не сомневался.

И где все эти нуклеотиды в однобуквенном виде?
Здесь как-то мутно всё - слишком много явно лишних NNN. https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_000001405.40/

Аналогично. https://ftp.ensembl.org/pub/release-113/fasta/homo_sapiens/dna/

Здесь без NNN, но размер прилично поменьше. Нет там столько NNN, чтобы объяснить разницу. https://download.cncb.ac.cn/gwh/Animals/Homo_sapiens_v1.1_GWHDQZJ00000000

 

Вот вроде полный геном человека: https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_009914755.1/

Википедия ссылается на https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_000001405.40/

но кажется он не закончен.

 

NNN - это нераспознанные части.

Изменено 29 Декабря, 2024 в 09:22 пользователем chemister2010

[ZZZ7ZZZ]

В 29.12.2024 в 14:25, chemister2010 сказал:

Википедия ссылается на https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_000001405.40/

но кажется он не закончен.

Судя по нераспознанным частям - да, не закончен, хотя и позиционируется как референсный и
NC_000001.11 Homo sapiens chromosome 1, GRCh38.p14 Primary Assembly, в отличие от https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_009914755.1/ , который всего лишь NC_060925.1 Homo sapiens isolate CHM13 chromosome 1, alternate assembly T2T-CHM13v2.0

Кстати, чем GenBank от RefSeq отличается? Скажем, CP068277.2 и NC_060925.1.

По формату файлов. Полный геном в формате .fna, отдельные хромосомы - .fasta. Из того, что явно видно, отличия в количестве символов в строке. Это всё? Я просто не разбивал целый и не склеивал отдельные, чтобы сравнить.

В общем, над каким конкретно файлом будем издеваться?

И по поводу замен. В файлах нет N, Q, Y, может и ещё чего-то нет из таблички. Это нормально? Или тут на что-то другое менять надо?

[chemister2010]

В 29.12.2024 в 14:54, ZZZ7ZZZ сказал:

Судя по нераспознанным частям - да, не закончен, хотя и позиционируется как референсный и
NC_000001.11 Homo sapiens chromosome 1, GRCh38.p14 Primary Assembly, в отличие от https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_009914755.1/ , который всего лишь NC_060925.1 Homo sapiens isolate CHM13 chromosome 1, alternate assembly T2T-CHM13v2.0

Кстати, чем GenBank от RefSeq отличается? Скажем, CP068277.2 и NC_060925.1.

По формату файлов. Полный геном в формате .fna, отдельные хромосомы - .fasta. Из того, что явно видно, отличия в количестве символов в строке. Это всё? Я просто не разбивал целый и не склеивал отдельные, чтобы сравнить.

В общем, над каким конкретно файлом будем издеваться?

И по поводу замен. В файлах нет N, Q, Y, может и ещё чего-то нет из таблички. Это нормально? Или тут на что-то другое менять надо?

 

Предлагаю издеваться над геномом от T2T. Он вроде закончен (по крайней мере внизу таблички прописан статус Completed).

https://www.ncbi.nlm.nih.gov/datasets/genome/GCF_009914755.1/

Там не аминокислоты, а нуклеотиды, естественно там другая табличка остатков. Сейчас сижу, читаю номенклатуру полинуклеотидов. В русском интернете ее нет совсем.

[chemister2010]

У ДНК название сложнее и будет с цифрами и специальными знаками.

 

Середина названия будет состоять из таких частей:

C = -(3'→5')-2'-дезоксицитидилил (28 символов)

A = -(3'→5')-2'-дезоксиаденилил (27 символов)

T = -(3'→5')-2'-дезокситимидилил (28 символов)

G = -(3'→5')-2'-дезоксигуанилил (27 символов)

Начало и конец будут слегка отличатся. Последовательность CACCCT (начало 1 хромосомы человека) будет выглядеть так (с завершением на последнем нуклеотиде):

2'-дезоксицитидилил-(3'→5')-2'-дезоксиаденилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезокситимидин

 

Это окончание -илил прописано в правилах ИЮПАК 2013 года на английском языке. Оно связано с там, что фосфорилированные нуклеозиды являются кислотами (например, адениловая кислота).

 

 

Изменено 29 Декабря, 2024 в 15:45 пользователем chemister2010

[ZZZ7ZZZ]

В 29.12.2024 в 20:30, chemister2010 сказал:

Начало и конец будут слегка отличатся. Последовательность CACCCT (начало 1 хромосомы человека) будет выглядеть так

Вот это начало и конец файла NC_060925.1 Homo sapiens isolate CHM13 chromosome 1, alternate assembly T2T-CHM13v2.0:

CACCCTAAA...
...GTTAGGGTT

Ну ладно, вместо выделенного будет 2'-дезоксицитидилил-(3'→5')-2'-дезоксиаденилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезокситимидин

А почему оно, кстати, не с -(3'→5')- начинается?

Дальше какой алгоритм? И ещё там пара вопросов была - GenBank и по формату.

На данный момент по исходным символам получается так

A - 73600418
C - 51017014
G - 52064401
T - 71705495
Всего - 248387328

Изменено 29 Декабря, 2024 в 15:13 пользователем ZZZ7ZZZ

[chemister2010]

В 29.12.2024 в 18:06, ZZZ7ZZZ сказал:

Вот это начало и конец файла NC_060925.1 Homo sapiens isolate CHM13 chromosome 1, alternate assembly T2T-CHM13v2.0:

CACCCTAAA...
...GTTAGGGTT

Ну ладно, вместо выделенного будет 2'-дезоксицитидилил-(3'→5')-2'-дезоксиаденилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезокситимидин

А почему оно, кстати, не с -(3'→5')- начинается?

Дальше какой алгоритм? И ещё там пара вопросов была - GenBank и по формату.

 

Вместо выделенного будет 2'-дезоксицитидилил-(3'→5')-2'-дезоксиаденилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезоксицитидилил-(3'→5')-2'-дезокситимидилил

так как там дальше есть продолжение.

Начинается не с -(3'→5') так как у первого нуклеотида нет дальше связи. У последнего нуклеотида название будет заканчиваться на -идин или -озин.

Дальше, копируем себе всю последовательность (около 250 МБ) и делаем 4 замены по таблице выше. Дальше убираем у первого нуклеотида (3'→5')-, а у последнего меняем окончание. Получаем название примерно из 8 миллиардов символов. Если заодно сделать подсчет числа замен и отметить какие нуклеотиды первый и последний,  то можно легко вычислить химическую формулу.

 

Следует отметить, что мы получим название одной ветви ДНК, так как ДНК состоит из двух цепей (поэтому подсчет идет парами оснований).

Изменено 29 Декабря, 2024 в 15:20 пользователем chemister2010

[ZZZ7ZZZ]

В 29.12.2024 в 21:18, chemister2010 сказал:

Если заодно сделать подсчет числа замен и отметить какие нуклеотиды первый и последний

Это, можно сказать, уже сделано. В принципе, количество символов можно тупо посчитать, перемножив исходные и табличные, сделав потом поправку на первый и последний.

Изменено 29 Декабря, 2024 в 15:24 пользователем ZZZ7ZZZ