合成生物学序列设计¶

# ===== 手动计算CAI（密码子适应指数）=====
from Bio.SeqUtils.CodonUsage import CodonAdaptationIndex  # BioPython
from Bio.Seq import Seq                  # 序列类

# 计算目标序列的CAI
cai = CodonAdaptationIndex()             # 创建CAI计算器
cai.set_cai_index(                       # 设置参考密码子频率
    "/db/ecoli_codon_usage.txt"          # 大肠杆菌密码子使用表
)
cai_value = cai.cai_for_gene(            # 计算基因CAI
    "ATGGCTAAAGTTCTGAAATATGGTGCTAAAGAA"  # 目标基因序列
)
print(f"CAI = {cai_value:.3f}")          # 输出CAI值（越接近1越好）

# ===== 密码子使用频率表 =====
# 可以从Kazusa Codon Usage Database获取
# https://www.kazusa.or.jp/codon/

# ===== 常用免费在线工具 =====

# 1. GenScript GenSmart（最常用）
# 网址：https://www.genscript.com/gensmart-free-gene-codon-optimization.html
# 输入：蛋白质序列（FASTA格式）
# 选择：目标宿主（E. coli / S. cerevisiae / CHO / Human 等）
# 输出：优化后的DNA序列 + CAI值 + GC含量

# 2. IDT Codon Optimization Tool
# 网址：https://www.idtdna.com/pages/tools/codon-optimization-tool
# 特点：自动避免重复序列、限制性酶切位点

# 3. OPTIMIZER
# 网址：http://genomes.urv.es/OPTIMIZER/
# 特点：支持多种优化策略（one amino acid-one codon / guided random等）

# 4. JCat（Java Codon Adaptation Tool）
# 网址：http://www.jcat.de/
# 特点：可选择性避免特定模式（Rho-independent终止子等）

# ===== 使用python-codon-tables =====
# pip install python-codon-tables dnachisel

from dnachisel import *                  # DNA优化工具包

# 定义优化问题
protein_seq = "MKWVTFISLLFLFSSAYS"      # 目标蛋白序列

problem = DnaOptimizationProblem(
    sequence=reverse_translate(protein_seq),  # 初始反转录
    constraints=[
        EnforceTranslation(),            # 确保翻译正确
        AvoidPattern("BsaI_site"),       # 避免BsaI酶切位点
        EnforceGCContent(                # GC含量约束
            mini=0.40, maxi=0.60,        # 40-60%
            window=50                    # 50bp窗口
        ),
    ],
    objectives=[
        CodonOptimize(                   # 密码子优化
            species="e_coli"             # 目标宿主：大肠杆菌
        )
    ]
)

# 求解
problem.resolve_constraints()            # 先满足约束
problem.optimize()                       # 再优化目标

# 输出结果
print(f"优化后序列: {problem.sequence}")  # 优化后的DNA序列
print(f"最终CAI: {problem.objective_scores_sum():.3f}")  # 目标分数

# ===== 批量优化多个基因 =====
import pandas as pd                      # 数据处理

genes = pd.read_csv("proteins.csv")      # 读取蛋白列表
for idx, row in genes.iterrows():        # 遍历每个基因
    protein = row["sequence"]            # 蛋白序列
    # 对每个基因做密码子优化...
    optimized = optimize_gene(protein, "e_coli")  # 自定义优化函数
    genes.loc[idx, "optimized_dna"] = optimized    # 保存结果

genes.to_csv("optimized_genes.csv")      # 输出结果

# ===== 传统方法：启动子元件组合 =====
# 原核启动子核心元件：
# -35区 (TTGACA) + spacer(17bp) + -10区 (TATAAT) + +1转录起始

# 构建组成型启动子文库
import random                            # 随机模块

def design_promoter_library(n=100):      # 设计n个启动子变体
    """生成启动子文库（原核，E. coli）"""
    promoters = []

    # -35区共识序列变体
    minus35_variants = [
        "TTGACA", "TTGAAA", "TTTACA", "TTGACT",
        "TTGCCA", "TTTACC", "ATGACA", "TTGATA"
    ]

    # -10区共识序列变体
    minus10_variants = [
        "TATAAT", "TATAAA", "TATGAT", "TAAAAT",
        "TATACT", "TGTAAT", "TATATT", "AATAAT"
    ]

    for i in range(n):                   # 生成n个变体
        m35 = random.choice(minus35_variants)   # 随机选-35区
        spacer_len = random.choice([16, 17, 18])  # 间隔长度变化
        spacer = ''.join(random.choices("ATGC", k=spacer_len))  # 随机间隔
        m10 = random.choice(minus10_variants)   # 随机选-10区

        promoter = m35 + spacer + m10    # 组装启动子
        promoters.append(promoter)        # 添加到列表

    return promoters

library = design_promoter_library(100)   # 生成100个启动子变体

# ===== CodonTransformer（2025年AI密码子优化）=====
# pip install CodonTransformer

# CodonTransformer使用Transformer模型
# 在164个物种的100万+基因对上训练
# 不仅优化密码子偏好，还考虑上下文依赖性

# 使用示例（伪代码，具体API见官方文档）
# from codon_transformer import CodonTransformer
# model = CodonTransformer.load("pretrained")
# optimized = model.optimize(
#     protein_seq="MKWVTFISLLFLFSSAYS",
#     organism="Escherichia coli"
# )

# ===== 使用DNABERT进行序列分析 =====
# DNABERT是DNA序列的预训练语言模型
# 可以预测启动子强度、剪接位点等

# pip install dnabert
# from dnabert import DNABERT
# model = DNABERT.load("dnabert-2")
# 输入DNA序列 → 输出序列特征向量/功能预测

# ========== 合成生物学序列设计速查 ==========

密码子优化检查清单：
□ CAI > 0.8（目标宿主）
□ GC含量 40-60%
□ 无连续稀有密码子（>3个）
□ 无限制性酶切位点（BsaI, BbsI, BsmBI等）
□ 无重复序列（>40bp）
□ 起始区无强mRNA二级结构
□ 无过长poly-A/T（>6个）
□ 无Rho-independent终止子
□ 保留关键稀有密码子簇

启动子设计要素（原核）：
-35区(TTGACA) + 17bp spacer + -10区(TATAAT) + 6-8bp spacer + +1

常用在线工具：
GenScript GenSmart → 通用密码子优化
IDT Codon Optimizer → 同义密码子替换
RBS Calculator → 核糖体结合位点设计
DNAChisel (Python) → 程序化约束优化