的Python:从FASTA格式序列的开端卸下字符
题
我有在包含17碱基对引物在序列的开头的fasta格式的序列。和引物有时不匹配。因此,我想删除的序列的第一个17个字符,除了从FASTA报头。
的序列是这样的:
> name_name_number_etc
SEQUENCEFOLLOWSHERE
> name_number_etc
SEQUENCEFOLLOWSHERE
> name_name_number_etc
SEQUENCEFOLLOWSHERE
我怎样才能做到这一点在Python?
谢谢!乔恩
解决方案
如果正确地明白你必须只从一个潜在的多序列的前17个字符除去引物。什么你问的是一个有点难度。是的,一个简单的解决方案存在,但它可以在某些情况下失败。
我的建议是:使用 Biopython 以执行FASTA文件的解析。直从教程
from Bio import SeqIO
handle = open("ls_orchid.fasta")
for seq_record in SeqIO.parse(handle, "fasta") :
print seq_record.id
print repr(seq_record.seq)
print len(seq_record)
handle.close()
然后与删除前17个字母改写顺序向下。我没有我现在的机器上biopython的安装,但如果您在本教程看一看,它不会花费超过15行代码的总额。
如果你想要去的铁杆,和做手工,你必须做这样的事情(从第一张海报,修改)
f = open('sequence.fsa')
first_line = False
for line in f.xreadlines():
if line[0] == ">":
first_line=True
print line,
else:
if first_line:
print line[17:],
else:
print line,
first_line = False
其他提示
with open('fasta_file') as f:
for line in f:
if not line.startswith('>'):
print line[17:]
如果你的文件看起来像
>MCHU - Calmodulin - Human, rabbit, bovine, rat, and chicken
ADQLTEEQIAEFKEAFSLFDKDGDGTITTKELGTVMRSLGQNPTEAELQDMINEVDADGNGTID
FPEFLTMMARKMKDTDSEEEIREAFRVFDKDGNGYISAAELRHVMTNLGEKLTDEEVDEMIREA
DIDGDGQVNYEEFVQMMTAK*
和要删除所有序列行的第一个字符17,你想要做的是这样的:
f = open('sequence.txt')
for line in f.xreadlines():
if line.find('>') < 0:
print line.strip()[17:]
我不知道是否张贴在此线程是没有意义的,但我碰到一个方法来真的帮了我,而我开始与.fasta文件的工作。
file = input('Input your fasta file')
o_file = open(file).readlines()
o_file = o_file[1:]
for line in o_file:
#do something
不隶属于 StackOverflow