Question

我有fasta格式的序列，在序列的开头包含17bp的引物。引物有时会出现错配。因此，我想删除序列的前17个字符，除了fasta标题。

序列如下所示：

> name_name_number_etc
SEQUENCEFOLLOWSHERE
> name_number_etc
SEQUENCEFOLLOWSHERE
> name_name_number_etc
SEQUENCEFOLLOWSHERE

我怎么能在python中这样做？

谢谢！乔恩

Answer 1

with open('fasta_file') as f:
    for line in f:
        if not line.startswith('>'):
            print line[17:]

Answer 2

如果我理解正确，您必须仅从潜在多行序列的前17个字符中删除引物。你问的问题有点困难。是的，存在一个简单的解决方案，但在某些情况下它可能会失败。

我的建议是：使用Biopython执行FASTA文件的解析。直接从教程

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()

然后用删除的前17个字母重写序列。我没有在我当前的机器上安装biopython，但是如果你看一下教程，它总共不会超过15行代码。

如果你想去硬核，并手动完成，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

Answer 3

如果你的文件是

>MCHU - Calmodulin - Human, rabbit, bovine, rat, and chicken
ADQLTEEQIAEFKEAFSLFDKDGDGTITTKELGTVMRSLGQNPTEAELQDMINEVDADGNGTID
FPEFLTMMARKMKDTDSEEEIREAFRVFDKDGNGYISAAELRHVMTNLGEKLTDEEVDEMIREA
DIDGDGQVNYEEFVQMMTAK*

并且你想删除每个序列行的前17个字符，你想做这样的事情：

f = open('sequence.txt')

for line in f.xreadlines():
    if line.find('>') < 0:
        print line.strip()[17:]

Answer 4

我不知道在这个帖子上发帖是否毫无意义，但是当我开始使用.fasta文件时，我遇到了一个真正帮助我的方法。

file = input('Input your fasta file')
o_file = open(file).readlines()

o_file = o_file[1:]

for line in o_file:
     #do something

Python：以fasta格式从序列的开头删除字符

4 个答案: