RNA ist wie DNA ein Molekül, das in Zellen gefunden wird, die genetische Informationen kodieren. Es besteht aus Nukleotiden , die durch die Basen Adenin (A), Cytosin (C), Guanin (G) und Uracil (U) dargestellt werden. * Ein Codon ist eine Sequenz von drei Nukleotiden.

Proteine sind große Moleküle, die eine Vielzahl von Funktionen erfüllen, wie Keratin, das in Haaren und Nägeln vorkommt, und Hämoglobin, das Sauerstoff in Blutzellen transportiert. Sie bestehen aus Aminosäuren , die in RNA-Molekülen als Codons kodiert sind. Manchmal können verschiedene Codons für dieselbe Aminosäure codieren. Jede Aminosäure wird üblicherweise durch einen einzelnen Buchstaben dargestellt, zum Beispiel steht H für Histidin.

Können Sie es bei einer gegebenen Sequenz von ACGUin den entsprechenden Proteinstring übersetzen?

^{* DNA besteht aus ACGT, wobei das T Thymin ist. Während der Transkription von DNA zu RNA wird Thymin durch Uracil ersetzt.}

Eingang

Die Eingabe ist eine einzelne Zeichenfolge, die nur aus den Zeichen besteht ACGU in Großbuchstaben besteht. Sie können entweder eine Funktion oder ein vollständiges Programm für diese Herausforderung schreiben.

Ausgabe

Sie können auswählen, ob eine Zeichenfolge gedruckt oder zurückgegeben werden soll (die letztere Option ist nur im Fall einer Funktion verfügbar).

Die Übersetzung sollte bei einem Start - Codon (beginnen AUG, dargestellt als Mbei einem Stop - Codon (einer) und Ende UAA, UAGoder UGA, dargestellt als *). In vier Fällen ist die Eingabe möglicherweise ungültig:

• Die Eingabe beginnt nicht mit einem Startcodon
• Die Eingabe endet nicht mit einem Stoppcodon
• Die Länge der Eingabe ist kein Vielfaches von 3
• Die Eingabe enthält ein Stoppcodon, das nicht am Ende steht

In all diesen Fällen Errorsollte ausgegeben werden. Beachten Sie, dass im Gegensatz zu Stoppcodons Startcodons möglicherweise nach dem Anfang der Zeichenfolge angezeigt werden.

Andernfalls sollten Sie jedes Codon über die folgende RNA-Codontabelle in seine jeweilige Aminosäure umwandeln :

* UAA UAG UGA
A GCU GCC GCA GCG
C UGU UGC
D GAU GAC
E GAA GAG
F UUU UUC
G GGU GGC GGA GGG
H CAU CAC
I AUU AUC AUA
K AAA AAG
L UUA UUG CUU CUC CUA CUG
M AUG
N AAU AAC
P CCU CCC CCA CCG
Q CAA CAG
R CGU CGC CGA CGG AGA AGG
S UCU UCC UCA UCG AGU AGC
T ACU ACC ACA ACG
V GUU GUC GUA GUG
W UGG
Y UAU UAC

... und den übersetzten String ausgeben.

Beispiele

Ungültige Fälle:

<empty string> -> Error
AUG -> Error
UAA -> Error
AUGCUAG -> Error
AAAAAAA -> Error
GGGCACUAG -> Error
AUGAACGGA -> Error
AUGUAGUGA -> Error
AUGUUUGUUCCGUCGAAAUACCUAUGAACACGCUAA -> Error

Gültige Fälle:

AUGUGA -> M*
AUGAGGUGUAGCUGA -> MRCS*
AUGGGUGAGAAUGAAACGAUUUGCAGUUAA -> MGENETICS*
AUGCCAGUCGCACGAUUAGUUCACACGCUCUUGUAA -> MPVARLVHTLL*
AUGCUGCGGUCCUCGCAUCUAGCGUUGUGGUUAGGGUGUGUAACUUCGAGAACAGUGAGUCCCGUACCAGGUAGCAUAAUGCGAGCAAUGUCGUACGAUUCAUAG -> MLRSSHLALWLGCVTSRTVSPVPGSIMRAMSYDS*
AUGAAAAACAAGAAUACAACCACGACUAGAAGCAGGAGUAUAAUCAUGAUUCAACACCAGCAUCCACCCCCGCCUCGACGCCGGCGUCUACUCCUGCUUGAAGACGAGGAUGCAGCCGCGGCUGGAGGCGGGGGUGUAGUCGUGGUUUACUAUUCAUCCUCGUCUUGCUGGUGUUUAUUCUUGUUUUAA -> MKNKNTTTTRSRSIIMIQHQHPPPPRRRRLLLLEDEDAAAAGGGGVVVVYYSSSSCWCLFLF*

Bearbeiten: Weitere Testfälle hinzugefügt

Wertung

Das ist Codegolf, also gewinnt der Code mit den wenigsten Bytes.

^{Hinweis: Ich bin kein Experte für Molekularbiologie. Wenn ich etwas falsch angegeben habe, können Sie mich jederzeit korrigieren :)}

CJam ( 97 93 92 91 Bytes)

q"GACU"f#3/{4b"GGEDAAVVRSKNTTMIRRQHPPLLWC*YSSLF"{_s"MW""I*"er}%=}%s_'*/(1<"M"=*Qa=\"Error"?

Dies ist ein Port meiner GolfScript-Lösung mit einer leicht optimierten Hash-Funktion, da zu meiner Überraschung eine Sache, die CJam nicht von GolfScript übernommen hat, darin besteht, Strings als Arrays von ganzen Zahlen zu behandeln.

Dank Optimierungsvorschlägen wurden 6 Bytes eingespart (einschließlich zwei Bytes von etwas, von dem ich dachte, dass ich es versucht habe und es nicht funktioniert hat - nicht wahr).

JavaScript (ES6) 167 177 Zeichen, in UTF8 als 167 177 Byte codiert

... also ich hoffe alle sind glücklich.

Edit Tatsächlich ist ein Sonderfall für den letzten Block nicht zu kurz. Wenn die letzten 2 (oder 1) Zeichen nicht zugeordnet sind, endet die Ergebniszeichenfolge nicht mit '*', und das ergibt trotzdem einen Fehler.

F=s=>/^M[^*]*\*$/.test(s=s.replace(/.../g,x=>
"KNKNTTTTRSRSIIMIQHQHPPPPRRRRLLLLEDEDAAAAGGGGVVVV*Y*YSSSS*CWCLFLF"
[[for(c of(r=0,x))r=r*4+"ACGU".search(c)]|r]))?s:'Error'

Erklärt

Jedes Zeichen in einem Triplett kann 4 Werte haben, es gibt also genau 4 ^ 3 == 64 Tripletts. Die C-Funktion ordnet jedes Triplett einer Zahl zwischen 0 und 63 zu. Es ist keine Fehlerprüfung erforderlich, da Eingabezeichen nur ACGU sind.

C=s=>[for(c of(r=0,s))r=r*4+"ACGU".search(c)]|r

Jedes Triplett ist einer Aminosäure zugeordnet, die durch einen einzelnen Buchstaben identifiziert wird. Wir können dies in einer 64-stelligen Zeichenfolge kodieren. Beginnen Sie mit der Codon Map, um die Zeichenfolge zu erhalten:

zz=["* UAA UAG UGA","A GCU GCC GCA GCG","C UGU UGC","D GAU GAC","E GAA GAG"
,"F UUU UUC","G GGU GGC GGA GGG","H CAU CAC","I AUU AUC AUA","K AAA AAG"
,"L UUA UUG CUU CUC CUA CUG","M AUG","N AAU AAC","P CCU CCC CCA CCG","Q CAA CAG"
,"R CGU CGC CGA CGG AGA AGG","S UCU UCC UCA UCG AGU AGC","T ACU ACC ACA ACG"
,"V GUU GUC GUA GUG","W UGG","Y UAU UAC"]
a=[],zz.map(v=>v.slice(2).split(' ').map(x=>a[C(x)]=v[0])),a.join('')

... erhält "KNKNTTTTRSRSIIMIQHQHPPPPRRRRLLLEDEDAAAAGGGGVVVV * Y * YSSSS * CWCLFLF"

Wir können also die Eingabezeichenfolge scannen und dieselbe Logik wie die C-Funktion verwenden, um den Code 0..63 und aus dem Code den Aminosäurecharakter zu erhalten. Die Ersetzungsfunktion teilt die Eingabezeichenfolge in 3 Zeichenblöcke auf, wobei schließlich 1 oder 2 Zeichen nicht verwaltet werden (was zu einer ungültigen Ergebniszeichenfolge führt, die nicht mit '*' endet).

Überprüfen Sie zum Schluss mit einem regulären Ausdruck, ob die codierte Zeichenfolge gültig ist: Sie muss mit 'M' beginnen, darf kein '*' enthalten und muss mit '*' enden.

Prüfung in der FireBug / FireFox-Konsole

;['AUGCUAG','GGGCACUAG','AUGAACGGA','AUGUAGUGA','AAAAAAA',
'AUGUUUGUUCCGUCGAAAUACCUAUGAACACGCUAA',
'AUGAGGUGUAGCUGA','AUGCCAGUCGCACGAUUAGUUCACACGCUCUUGUAA',
'AUGCUGCGGUCCUCGCAUCUAGCGUUGUGGUUAGGGUGUGUAACUUCGAGAACAGUGAGUCCCGUACCAGGUAGCAUAAUGCGAGCAAUGUCGUACGAUUCAUAG']
.forEach(c=>console.log(c,'->',F(c)))

Ausgabe

AUGCUAG -> Error
GGGCACUAG -> Error
AUGAACGGA -> Error
AUGUAGUGA -> Error
AAAAAAA -> Error
AUGUUUGUUCCGUCGAAAUACCUAUGAACACGCUAA -> Error
AUGAGGUGUAGCUGA -> MRCS*
AUGCCAGUCGCACGAUUAGUUCACACGCUCUUGUAA -> MPVARLVHTLL*
AUGCUGCGGUCCUCGCAUCUAGCGUUGUGGUUAGGGUGUGUAACUUCGAGAACAGUGAGUCCCGUACCAGGUAGCAUAAUGCGAGCAAUGUCGUACGAUUCAUAG -> MLRSSHLALWLGCVTSRTVSPVPGSIMRAMSYDS*

C, 190 Bytes (Funktion)

f(char*x){int a=0,i=0,j=0,s=1;for(;x[i];i%3||(s-=(x[j++]=a-37?a-9?"KNRSIITTEDGGVVAA*Y*CLFSSQHRRLLPP"[a/2]:77:87)==42,x[j]=a=0))a=a*4+(-x[i++]/2&3);puts(*x-77||i%3||s||x[j-1]-42?"Error":x);}

199 bis 194 Bytes (Programm)

a,i,j;char x[999];main(s){for(gets(x);x[i];i%3||(s-=(x[j++]=a-37?a-9?"KNRSIITTEDGGVVAA*Y*CLFSSQHRRLLPP"[a/2]:77:87)==42,x[j]=a=0))a=a*4+(-x[i++]/2&3);puts((*x-77||i%3||s||x[j-1]-42)?"Error":x);}

Ein paar Bytes gespart durch Verbesserung der Hash-Formel.

Hier ist ein lustiger Testfall:

AUGUAUCAUGAGCUCCUUCAGUGGCAAAGACUUGACUGA --> MYHELLQWQRLD* 

Erläuterung

Das Triplett von Buchstaben wird in eine Zahl zur Basis 4 umgewandelt. Jeder Buchstabe ist wie folgt gehasht.

x[i]       ASCII code       Hashed to (-x[i]/2&3) 
A        64+ 1  1000001            00   
G        64+ 7  1000111            01
U        64+21  1010101            10   
C        64+ 3  1000011            11

Dies gibt eine Zahl im Bereich 0..63. Die Idee ist nun, eine Lookup-Tabelle zu verwenden, die der von edc65 und Optimizer verwendeten ähnelt. Der Hash ist jedoch so ausgelegt, dass G und A nebeneinander liegen und U und C nebeneinander liegen.

Schauen Sie sich die Tabelle unter https://en.wikipedia.org/wiki/Genetic_code#RNA_codon_table an , dass bei den auf diese Weise geordneten Buchstaben im Allgemeinen das letzte Bit ignoriert werden kann. Mit Ausnahme von zwei Sonderfällen wird nur eine 32-stellige Nachschlagetabelle benötigt.

Siehe unten die ersten beiden Buchstaben und die entsprechenden Aminosäuren (wobei der dritte Buchstabe G / A und der dritte Buchstabe U / C ist). Korrekturen für die beiden Sonderfälle, die nicht in die 32-stellige Tabelle passen, sind fest codiert.

     A/G U/C          A/G U/C            A/G U/C         A/G U/C  
AAX> K   N       AGX> R   S         AUX> I   I      ACX> T   T
GAX> E   D       GGX> G   G         GUX> V   V      GCX> A   A
UAX> *   Y       UGX> *   C         UUX> L   F      UCX> S   S
CAX> Q   H       CGX> R   R         CUX> L   L      CCX> P   P

Corrections for special cases (where last bit cannot be ignored)
AUG 001001=9 -->  M
UGG 100101=37-->  W

Kommentierter Code

In der Golfversion befindet sich der i%3Code in der inkrementellen Position der forKlammer, wird jedoch im kommentierten Code in eine besser lesbare Position verschoben.

a,i,j;char x[999];                                                             //Array x used for storing both input and output. i=input pointer, j=output pointer.
main(s){                                                                       //s is commandline string count. if no arguments, will be set to zero. Will be used to count stops.
  for(gets(x);x[i];)                                                           //Get a string, loop until end of string (zero byte) found
    a=a*4+(-x[i++]/2&3),                                                       //Hash character x[i] to a number 0-3. leftshift any value already in a and add the new value. Increment i.
    i%3||(                                                                     //if i divisible by 3,
      s-=(x[j++]=a-37?a-9?"KNRSIITTEDGGVVAA*Y*CLFSSQHRRLLPP"[a/2]:77:87)==42,  //lookup the correct value in the table. for special cases a=24 and a=32 map to 'M' and 'W' (ASCII 77 and 87). If character is '*' (ASCII42) decrement s.   
      x[j]=a=0                                                                 //reset a to 0. clear x[j] to terminate output string.                                                     
    );   
  puts((*x-77||i%3||s||x[j-1]-42)?"Error":x);                                  //if first character not M or i not divisible by 3 or number of stops not 1 or last character not * print "Error" else print amino acid chain.
}

CJam, 317 121 104 Bytes

q3/{{"ACGU"#}%4b"KN T RS IIMI QH P R L ED A G V *Y S *CWC LF"S/{_,4\/*}%s=}%_('M=\)'*=\'*/,1=**\"Error"?

Dies kann noch weiter golfen werden.

Aktualisiert den Abbildungsmechanismus der in edc65 Antwort verwendet. Obwohl ich es mir selbst ausgedacht habe, hat er mich geschlagen :)

UPDATE : Verkürzt die Codon-Tabelle durch Beobachtung des Musters.

Probieren Sie es hier online aus

GolfScript (103 Bytes)

{)7&2/}%3/{4base'GGEDAAVVRSKNTTMIRRQHPPLLWC*YSSLF'{..'MW'?'I*'@),+=}%=}%''+.'*'/(1<'M'=*['']=*'Error'or

Online-Demo (Hinweis: Die beiden größten Testfälle sind nicht enthalten, da sie in 15 Sekunden ausgeführt werden müssen.)

Präparation

Wie Steve Verrill im Sandkasten betonte, kann die Nachschlagetabelle auf 32 Elemente plus zwei Sonderfälle reduziert werden. Es stellt sich heraus , dass die Sonderfälle sowohl beinhalten Zeichen ( Mund Wjeweils) , die nur einmal auftreten, und mit der richtigen Zuordnung der Zeichen zu Basis 4 Stellen ist es möglich , die volle 64-Element - Lookup - Tabelle aus den 32 Elementen aufzubauen , indem sie ein Duplikat zu tun -und- tr:

'GGEDAAVVRSKNTTMIRRQHPPLLWC*YSSLF'  # 32-element lookup table
{                                   # Map over the 32 elements...
  .                                 #   Duplicate the element
  .'MW'?'I*'@),+=                   #   Apply tr/MW/I*/ to the duplicate
}%

Sobald wir die Dekodierung durchgeführt haben, ermöglicht die Validierung viele Ansätze. Der kürzeste, den ich gefunden habe, ist

.'*'/       # Duplicate and split the copy around '*' retaining empty strings
(1<'M'=*    # Pull out the first string from the split (guarantee to exist even if input is
            # the empty string); if it starts with 'M' leave the rest of the split intact;
            # otherwise reduce it to the empty array
['']=       # Check whether we have ['']. If so, the split produced [prefix ''] where
            # prefix begins with 'M'. Otherwise we want an error.
*           # If we have an error case, reduce the original decoded string to ''
'Error'or   # Standard fallback mechanism

Python, 473 Bytes

t={'U(A[AG]|GA)':'*','GC.':'A','UG[UC]':'C','GA[UC]':'D','GA[AG]':'E','UU[UC]':'F','GG.':'G','CA[UC]':'H','AU[UCA]':'I','AA[AG]':'K','(UU[AG]|CU.)':'L','AUG':'M','AA[UC]':'N','CC.':'P','CA[AG]':'Q','(CG.|AG[AG])':'R','(UC.|AG[UC])':'S','AC.':'T','GU.':'V','UGG':'W','UA[UC]':'Y'}
import re
i=raw_input()
a=''
for x in[i[y:y+3]for y in range(0,len(i),3)]:
 a+=[t[u]for u in t.keys()if re.match(u, x)][0]
print["Error",a][all((a[0]+a[-1]=="M*",len(i)%3==0,not"*"in a[1:-1]))]

Python 2, 370 358 354 Bytes

Dies ist ein sehr einfacher Ansatz ohne Komprimierung, bei dem nur versucht wird, die Informationen ziemlich dicht zu packen:

s=lambda x:x and[x[:3]]+s(x[3:])or[]
def f(I):O=''.join(d*any(0==x.find(p)for p in e)for x in s(I)for d,e in zip('*ACDEFGHIKLMNPQRSTVWY',map(s,'UAAUAGUGA,GC,UGUUGC,GAUGAC,GAAGAG,UUUUUC,GG,CAUCAC,AUUAUCAUA,AAAAAG,UUAUUGCU,AUG,AAUAAC,CC,CAACAG,AGAAGGCG,AGUAGCUC,AC,GU,UGG,UAUUAC'.split(','))));return['Error',O][len(I)%3==0==len(O)-O.find('*')-(O[0]=='M')]

Bearbeiten: Einige Zeichen wurden auf Vorschlag von xnor abgeschabt.

Scala (317 Zeichen)

def g(c:Char)="ACGU"indexOf c;def h(s:String,i:Int)=g(s(i))*16+g(s(i+1))*4+g(s(i+2));def p(a:Int)=a!=48&&a!=50&&a!=56;def f(s:String)=if(s.length%3!=0||h(s,0)!=14||p(h(s,s.length-3)))"Error"else{var r="";for(i<-0 to s.length-3 by 3)r+="KNKNTTTTRSRSIIMIQHQHPPPPRRRRLLLLEDEDAAAAGGGGVVVV*Y*YSSSS*CWCLFLF"charAt h(s,i);r}

Die Hauptfunktion ist f. Eine bessere Wahl wäre natürlich die Rückgabe von Option[String].

JavaScript (ES6), 143 Byte

s=>/^M\w*\*$/.test(s=s.replace(/.../g,c=>"PVLVLHDVLGRGRAPGR*KYNVL*KTSTSGRTSILIFYNMLR*SCTSRWEQDHIFEQPAPASC.A"[parseInt(c,36)%128%65]))?s:'Error'

Probieren Sie es online!