示例：确定蛋白浓度

1951 年， Oliver Lowry描述了使用苯酣福林试剂测量蛋白质含量的流程。该方法测试的优点在于(相比于如凯氏定氮法等)多个样品可以使用光度计快速地进行测量。其普遍适用性使得 Lowry 的论文成为一直以来引用最多的文章。

在 Lowry 的试验中，需要记录一系列已知蛋白质浓度样本的消光值，从中构建一条最吻合的直线，然后可以通过在直线上找到未知样品浓度的消光值来确定其浓度。早在 1951 年，最佳拟合线是在纸上绘制的(见图 7. 1)，未知样品需要手工确定。

本文大部分以 Lowry 消光值数据为例讲解如何用 Python 处理大量样本数据。 Lowry 的文献中给出了一个标准的系列示例，参见 Table IV(Measurement of Small Amount of Protein from Rabbit Brain) ，他检测了18 个兔脑组织样本的蛋白质浓度，一共 6 种浓度各检验 3 次，获得了表 7.1 的值。

这个表可以很容易地从文件解析得到。但计算最佳拟合线只需要一组 x/y 值，即一个两列的表。因此，用于计算未知蛋白质样本浓度，需要单独的蛋白质浓度-消光值对列表(见表 7.2) 。

如何将原始数据表(表 7. 1)转换为更简单的表(表 7.2)? 在下面的 Python 会话中，会对初始表，即包含数个列表的列表执行一些操作步骤，将一个新函数zip() 使用两次:第一次，将表调转了 90° ，第二次，组合表中的两列以获得一个新的二维表。

Python 会话示例

table = [
    ['protein','ext1','ext2','ext3'],
    [0.16,0.038,0.044,0.040],
    [0.33,0.089,0.095,0.091],
    [0.66,0.184,0.191,0.191],
    [1.00,0.280,0.292,0.283],
    [1.32,0.365,0.367,0.365],
    [1.66,0.441,0.443,0.444]

]
table = table[1:]
protein,ext1,ext2,ext3 = zip(*table)
extinction = ext1+ext2+ext3
protein = protein*3
table =zip(protein,extinction)
for prot,ext in table:
    print(prot,ext)

输出结果为：