实验课试题（请仔细阅读提示）
一、 写程序并打印出结果。
有一条短DNA序列
ACTGATCGATTACGTATAGTAGAATTCTATCATACATATATATCGATGCGTTCAT
1. 计算该DNA序列的AT含量。
提示：使用＋，－，＊，／和（）。
2. 该DNA序列的互补链
3. 该DNA序列有EcoRI限制性内切酶的识别位点G＊AATTC（＊代表切割位点）。计算酶切后两个片段的大小。
二、基因组DNA片段序列
ATCGATCGATCGATCGACTGACTAGTCATAGCTATGCATGTAGCTACTCGATCGATCGATCGATCGATCGATCGATCGATCGATCATGCTATCATCGATCGATATCGATGCATCGACTACTAT
1. 该序列含有两个外显子和一个内含子。第一个外显子从序列开始到第63个核苷酸，第二个外显子从第91个核苷酸到结尾。
写出程序打印出该基因组DNA片段序列的编码区域。
2. 计算编码区域在该基因组DNA片段序列中所占的百分比例。
3. 将该基因组DNA片段序列的编码序列用大写字母，非编码序列用小写字母打印出来。
三、基因组DNA序列剖分
文件genomic_dna.txt中有基因组DNA序列
ATCGATCGATCGATCGACTGACTAGTCATAGCTATGCATGTAGCTACTCGATCGATCGA
TCGATCGATCGATCGATCGATCGATCATGCTATCATCGATCGATATCGATGCATCGACT
ACTAT
同样，第一个外显子从序列开始到第63个核苷酸，第二个外显子从第91个核苷酸到结尾。
将该基因组DNA片段序列的编码序列和非编码序列分开，并写入两个不同的文件。
四、FASTA文件格式被广泛用于DNA和蛋白质序列存储，通常格式如下：
>sequence_name
ATCGACTGATCGATCGTACGAT
其中，sequence_name用于描述序列，>号表示起始处。通常这一行有公共数据库中的序列号（accession number），可以直接用于查询。
单个FASTA文件也可以包含多条序列，如：
>sequence_one
ATCGATCGATCGATCGAT
>sequence_two
ACTAGCTAGCTAGCATCG
>sequence_three
ACTGCATCGATCGTACCT
1. 创建一个FASTA文件，内含如下三条序列，且所有序列中只含ATGC，而且核苷酸字母都是大写形式。
>ABC123
ATCGTACGATCGATCGATCGCTAGACGTATCG
>DEF456
actgatcgacgatcgatcgatcacgact
>HIJ789
ACTGAC-ACTGT–ACTGTA—-CATGTG
2. 分别创建三个文件，每个文件只含有一条序列。文件名用序列名，后缀名用fasta。
五、文件input.txt中有几条DNA序列，一条一行。每条序列开头有相同的14个碱基（测序接头序列）。
写出程序a）切掉这些接头序列，并将剩余序列写到一个新文件中；b）将每条序列长度打印到屏幕上。
六、文件genomic_dna.txt包含一段基因组DNA序列；文件exons.txt列有外显子的起始和结束位置。每个外显子单独成行，起始和结束位置由逗号分隔。
写出程序提取外显子片段，连接在一起后，输出到一个新文件中。
七、定义一个函数，有两个参数：蛋白质序列和氨基酸残基，返回蛋白质中该氨基酸的百分比含量。使用以下条件来测试函数：
assert my_function("MSRSLLLRFLLFLLLLPPLP","M") == 5
assert my_function("MSRSLLLRFLLFLLLLPPLP","r") == 10
assert my_function("MSRSLLLRFLLFLLLLPPLP","L") == 50
assert my_function("MSRSLLLRFLLFLLLLPPLP","Y") == 0
八、氨基酸残基百分比（二）
修改函数，参数可以有多个氨基酸残基，而不是一个。没有参数，函数返回疏水性氨基酸残基（A, I, L, M, F, W, Y和V)的百分比。函数需要通过以下测试：
assert my_function("MSRSLLLRFLLFLLLLPPLP",［"M"］) == 5
assert my_function("MSRSLLLRFLLFLLLLPPLP",［"M","L"］) == 55
assert my_function("MSRSLLLRFLLFLLLLPPLP",["F","S","L"] == 70
assert my_function("MSRSLLLRFLLFLLLLPPLP") == 65
九、data.csv文件里面是一些基因的数据。每行是单个基因的信息，按如下顺序提供：物种名，序列，基因名和表达水平，且被逗号分隔。以下问题都将使用这个文件的数据。
输出所有基因名称：
1. 属于两种果蝇（Drosophila melanogaster或Drosophila simulans）的基因。
2. 基因长度为90-110碱基。
3. 基因AT含量小于0.5，而且表达水平高于200。
4. 基因名称以“k“或”h“开头，不包括果蝇Drosophila melanogaster的基因。
5. 打印出每个基因的信息，包括基因名，AT含量是否高（大于0.65），低（低于0.45），还是中等（介于0.45到0.65之间）。
附加题：
十、阅读框指将DNA序列分成连续的、不重叠的密码子。一条DNA序列有6种可能的阅读框：正链（5’-3’）和负链（3’-5’）各三个。
如序列AGGTGACACCGCAAGCCTTATATTAGC的三个可能的正向阅读框是：
AGG TGA CAC CGC AAG CCT TAT ATT AGC
A GGT GAC ACC GCA AGC CTT ATA TTA GC
AG GTG ACA CCG CAA GCC TTA TAT TAG C
分别为阅读框1，2，和3。
一个阅读框可以编码蛋白，包含起始密码子（ATG）和终止密码子（TAA，TAG或TGA）。如ATGAAATAG 是长度为9的一个阅读框。
读入序列文件dna.example.fasta，回答问题：
最长的阅读框多长？最长的阅读框位于哪条序列中？该阅读框的起始密码子的序列位置？
十一、重复序列指DNA序列的一部分以多拷贝形式出现。重复序列可以在正链、负链出现，我们只考虑正链。同样，重复序列可以重叠。如ACACA包含两个拷贝的ACA（第一个位置和第三个位置）。给定序列长度n，你的代码应能找到dna.example.fasta文件中所有长度为n的重复序列。另外，还需确定重复序列出现的次数，以及出现次数最多的给定长度的重复序列。
