Question

我想裁剪此gi|1168222|sp|P46098.1|5HT3A_HUMAN以获取此P46098，但是对于任何此类序列gi|"RANDOM"|sp|"SEQUENCE"|"RANDOM"。这是一个例子：

gi|1168222|sp|P46098.1|5HT3A_HUMAN
gi|1168223|sp|P35563.2|5HT3A_RAT
gi|112809|sp|P23979.1|5HT3A_MOUSE
gi|24211440|sp|O70212.1|5HT3A_CAVPO
gi|113067|sp|P22770|ACHA7_CHICK

如果没有sp|，我只想在.和|或.之间进行此操作。这就是我现在所得到的：

from Bio import SeqIO
import re

handle = open("seqdumpsp.txt", "rU")
for record in SeqIO.parse(handle, "fasta") :
    line = record.id
    i1 = line.index('sp|')
    i2 = line.index('.')
    line = line.replace(line[:i1], '', line)
    line = line.replace(x[i2:], '')
    print line
handle.close()

然而这不起作用，因为我不能在替换中使用i1和i2。

Answer 1

>>> line = 'gi|1168222|sp|P46098.1|5HT3A_HUMAN'

>>> line.split('|')
['gi', '1168222', 'sp', 'P46098.1', '5HT3A_HUMAN']

>>> line.split('|')[3]
'P46098.1'

>>> line.split('|')[3].split('.')
['P46098', '1']

>>> line.split('|')[3].split('.')[0]
'P46098'

Answer 2

你可以说line.split('|')[3]。

Answer 3

按字符串处理：

通过for循环遍历内容的每一行。
查找“sp |”世界排队。并设置起始索引。
查找“。”字符和“|”字符和比较两者的索引。
从步骤3获取结束索引。
将值添加到结果中。

<强>演示：

content = """gi|1168222|sp|P46098.1|5HT3A_HUMAN
gi|1168223|sp|P35563.2|5HT3A_RAT
gi|112809|sp|P23979.1|5HT3A_MOUSE
gi|24211440|sp|O70212.1|5HT3A_CAVPO
gi|113067|sp|P22770|ACHA7_CHICK"""

result = []

for line in content.split("\n"):
    start_index = line.find("sp|")
    if start_index==-1:
        continue

    #- +3 because lenght of sp| is 3
    end_index1 = line.find(".", start_index+3)
    end_index2 = line.find("|", start_index+3)

    if end_index1==-1 and end_index2==-1:
        continue
    elif end_index2==-1:
        end_index = end_index1
    elif end_index1==-1:
        end_index = end_index2
    elif end_index1 < end_index2:
        end_index = end_index1
    else:
        end_index = end_index2

    result.append(line[start_index+3:end_index])

print result

输出：

['P46098', 'P35563', 'P23979', 'O70212', 'P22770']

通过 CSV

由于输入结构良好，因此请使用CSV模块。
通过CSV模块读取输入文件。
使用list comprehension和split方法获取最终结果。

演示：

import csv

input_file = "dp-input1.csv"

with open(input_file) as fp:
    root = csv.reader(fp, delimiter='|')
    result = [row[3].split(".")[0] for row in root]
    #for row in root:
    #    tmp = row[3].split(".")[0]
    #    result.append(tmp)

print "Final result:-", result

输出：

Final result:- ['P46098', 'P35563', 'P23979', 'O70212', 'P22770']

Answer 4

您可以使用re.search：

lines  = """gi|1168222|sp|P46098.1|5HT3A_HUMAN
gi|1168223|sp|P35563.2|5HT3A_RAT
gi|112809|sp|P23979.1|5HT3A_MOUSE
gi|24211440|sp|O70212.1|5HT3A_CAVPO
gi|113067|sp|P22770|ACHA7_CHICK
"""
import re
r =  re.compile("(?<=\|sp\|)\w+")

for s in lines.splitlines():
      print(r.search(s).group(0))

P46098
P35563
P23979
O70212
P22770

在字符串中查找字符串并将其保存到BioPython上的文件中

4 个答案: