基于标题名称的fasta序列替换脚本

Question

我有两个fasta文件（一个文件大约有50,000个，另一个有150,000个序列），有两种标头格式。我想根据标题名称替换一个文件中的感兴趣的序列（我有两个fasta文件的两个标题列表作为txt格式）。你能告诉我该怎么办？

例如，文件1和2的标头格式分别为>contig10002|m.12543和>c26528_g1_i1|m.14066，我想将文件2中>c26528_g1_i1|m.14066的相关序列替换为{的相关序列{1}}。

提前致谢

Answer 1

一个建议是使用BioPython。它可以解析f​​asta文件并对其进行格式化，并且可以处理不同格式的标头。

例如，以下是如何读取fasta文件并循环ID：

fasta_sequences = SeqIO.parse(open('file1.fasta'),'fasta')
for fasta in fasta_sequences:
    # do something with fasta.id, e.g. >c26528_g1_i1|m.14066

以下是编写fasta记录的方法：

with open(output_file, 'w') as output_handle:
for fasta in fasta_sequences:
    SeqIO.write([fasta], output_handle, "fasta")

您可能想要开始阅读BioPyton Tutorial and Coookbook