Question

我应该首先说我和Python和Biopython一样新。我正在尝试将一个大的.fasta文件（包含多个条目）拆分为单个文件，每个文件都有一个条目。我在Biopython wiki / Cookbook网站上找到了以下大部分代码，并对其进行了一些修改。我的问题是这个生成器将它们命名为“1.fasta”，“2.fasta”等，我需要用一些标识符命名，例如GI编号。

 def batch_iterator(iterator, batch_size) :
    """Returns lists of length batch_size.

    This can be used on any iterator, for example to batch up
    SeqRecord objects from Bio.SeqIO.parse(...), or to batch
    Alignment objects from Bio.AlignIO.parse(...), or simply
    lines from a file handle.

    This is a generator function, and it returns lists of the
    entries from the supplied iterator.  Each list will have
    batch_size entries, although the final list may be shorter.
    """
    entry = True #Make sure we loop once
    while entry :
        batch = []
        while len(batch) < batch_size :
            try :
                entry = next(iterator)
            except StopIteration :
                entry = None
            if entry is None :
                #End of file
                break
            batch.append(entry)
        if batch :
            yield batch

from Bio import SeqIO
infile = input('Which .fasta file would you like to open? ')
record_iter = SeqIO.parse(open(infile), "fasta")
for i, batch in enumerate(batch_iterator(record_iter, 1)) :
    outfile = "c:\python32\myfiles\%i.fasta" % (i+1)
    handle = open(outfile, "w")
    count = SeqIO.write(batch, handle, "fasta")
    handle.close()

如果我尝试替换：

outfile = "c:\python32\myfiles\%i.fasta" % (i+1)

使用：

outfile = "c:\python32\myfiles\%s.fasta" % (record_iter.id)

因此它会在SeqIO中命名类似于seq_record.id的内容，它会出现以下错误：

    Traceback (most recent call last):
  File "C:\Python32\myscripts\generator.py", line 33, in [HTML]
    outfile = "c:\python32\myfiles\%s.fasta" % (record_iter.id)
AttributeError: 'generator' object has no attribute 'id'

虽然生成器函数没有属性'id'，但我可以以某种方式解决这个问题吗？这个脚本对于我正在尝试做的事情来说太复杂了吗？！？谢谢，查尔斯

Answer 1

因为您一次只需要一条记录，所以可以抛弃batch_iterator包装器和枚举：

for seq_record in record_iter:

然后你想要的是每条记录的id属性，而不是整个迭代器：

for seq_record in record_iter:
    outfile = "c:\python32\myfiles\{0}.fasta".format(seq_record.id)
    handle = open(outfile, "w")
    count = SeqIO.write(seq_record, handle, "fasta")
    handle.close()

作为参考，生成器错误是由于您尝试从对象id获取属性record_iter。 record_iter不是单个记录，而是一组记录，它们作为Python生成器保存，有点像正在进行的列表，因此您不必读取整个文件立即使用，内存使用效率更高。有关生成器的更多信息：What can you use Python generator functions for?，http://docs.python.org/tutorial/classes.html#generators，

将大型fasta拆分为多个文件，无法使用GI编号命名

1 个答案: