Question

我不太了解编程，但我正在学习Linux和Python。我有一个序列文件，里面有13500个序列。并且序列的名称是一种形式

>MP_scaffold_001_1

我想计算每个序列中核苷酸的数量，并希望将其名称更改为

>MP_scaffold_001_1 <TAB> <Number_of_nucleotides>

Answer 1

如果您正在使用Python中的生物序列，那么Biopython就不会出错。 SeqIO类包含用于处理序列的工具，包括FASTA格式的工具。以下代码可以帮助您入门：

from Bio import SeqIO
with open("input.fasta", "r") as input, open("output.fasta", "w") as output:
    for seq in SeqIO.parse(input, "fasta"):
        length = "\t%d" % len(seq)
        seq.description += length
        SeqIO.write(seq, output, "fasta")

此代码首先打开两个文件处理程序input和output，它们将在处理完成后自动关闭。接下来，使用SeqIO.parse()方法迭代seq中的每个序列（input）。序列的长度是使用Python的内置len()函数确定的，格式化字符串是使用制表符\t和len()返回的数字构建的。然后，通过将description变量的内容添加到其末尾来修改每个seq的{{1}}字符串。最后，新修改的记录以FASTA格式写入输出文件。

我强烈建议您阅读Biopython的Tutorial and Cookbook，以熟悉该模块提供的所有内容。

更改文件中fasta序列名称的格式，包括序列中的核苷酸编号

1 个答案: