multiFASTA معالجة ملف

Question

كان من الغريب أن نعرف إذا كان هناك أي المعلوماتية الحيوية أداة هناك قادرة على معالجة multiFASTA الملف يعطيني معلومات مثل عدد من متواليات ، الطول ، النوكليوتيدات/aminoacid كامل المحتوى ، إلخ.وربما رسم تلقائيا وصفي المؤامرات.أيضا R BIoconductor حل أو BioPerl وحدة ستفعل ، ولكن لم يتمكن من العثور على أي شيء.

هل يمكنك مساعدتي ؟ شكرا :-)

Answer 1

بعض أدوات النقش هي مجموعة من الأدوات الصغيرة التي يمكن أن تساعدك.

• seqstats إرجاع طول التسلسل
• pepstats يجب أن تمنحك محتوى الأمينيوسيد وما إلى ذلك. بعض الأدوات تقدم أيضًا وظائف التخطيط. مفيد جدا.http://emboss.sourceforge.net/apps/release/5.0/emboss/apps/groups.html

لحساب عدد إدخالات fasta ، أستخدم: grep -c '^>' mySequences.fasta.

للتأكد من عدم تكرار أي من الإدخالات ، أتحقق من أنني أحصل على نفس الرقم عند القيام بذلك: grep '^>' mySequences.fasta | sort | uniq | wc -l

Answer 2

قد تكون أيضا مهتما ب fasize, ، وهي أداة من شجرة المصدر كنت, ، على الرغم من أن هذا يتطلب بذل المزيد من الجهد (يجب أن تنفجر وتجميع) من مجرد استخدام GREP ... إليك بعض الإخراج على سبيل المثال:

me@my-lab ~/data $ time faSize myfile.fna
215400419 bases (104761 N's 215295658 real 215295658 upper 0 lower) in 731620 sequences in 1 files
Total size: mean 294.4 sd 138.5 min 30 (F5854LK02GG895) max 1623 (F5854LK01AHBEH) median 307
N count: mean 0.1 sd 0.4
U count: mean 294.3 sd 138.5
L count: mean 0.0 sd 0.0
%0.00 masked total, %0.00 masked real

real    0m3.710s
user    0m3.541s
sys     0m0.164s

Answer 3

وتجدر الإشارة إلى (لأي شخص عثرة على هذا مثل ما فعلت) أن هناك قوي بيثون مكتبة مصممة خصيصا للتعامل مع هذه المهام تسمى Biopython.في بضعة أسطر من التعليمات البرمجية ، يمكنك الوصول بسرعة إلى إجابات على كل الأسئلة أعلاه.وإليك بعض الأمثلة الأساسية ، معظمها مقتبس من الرابط.هناك المرجل لوحة GC% الرسوم البيانية طول تسلسل الرسوم البيانية في البرنامج التعليمي أيضا.

In [1]: from Bio import SeqIO

In [2]: allSeqs = [seq_record for seq_record in SeqIO.parse('/home/kevin/stack/ls_orchid.fasta', """fasta""")]

In [3]: allSeqs[0]
Out[3]: SeqRecord(seq=Seq('CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGG...CGC', SingleLetterAlphabet()), id='gi|2765658|emb|Z78533.1|CIZ78533', name='gi|2765658|emb|Z78533.1|CIZ78533', description='gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S rRNA gene and ITS1 and ITS2 DNA', dbxrefs=[])

In [4]: len(allSeqs) #number of unique sequences in the file
Out[4]: 94

In [5]: len(allSeqs[0].seq) # call len() on each SeqRecord.seq object
Out[5]: 740

In [6]: A_count = allSeqs[0].seq.count('A')
        C_count = allSeqs[0].seq.count('C')
        G_count = allSeqs[0].seq.count('G')
        T_count = allSeqs[0].seq.count('T')

        ​print A_count # number of A's

        144

In [7]: allSeqs[0].seq.count("AUG") # or count how many start codons
Out[7]: 0

In [8]: allSeqs[0].seq.translate() # translate DNA -> Amino Acid
Out[8]: Seq('RNKVSVGEPAEGSLMRPWNKRSSESGGPVYSAHRGHCSRGDPDLLLGRLGSVHG...*VY', HasStopCodon(ExtendedIUPACProtein(), '*'))