Question

我有超过14000个fasta文件，我想只保留包含5个序列的文件。我知道我可以使用以下bash命令来获取单个fasta文件中的序列数：

grep -c "^>" filename.fasta

所以我的方法是将每个文件中的文件名和序列数写入文本文件，然后我可以使用它来仅隔离我想要的序列。要在这么多文件上运行grep命令，我使用的是subprocess.call：

import subprocess
import os


with open("five_seqs.txt", "w") as f:
    for file in os.listdir("/Users/vivaksoni1/Downloads/DA_CDS/fasta_files"):
        f.write(file),
        subprocess.call(["grep", "-c", "^>", file], stdout = f)

我的部分问题是grep命令是＆＃34; ^＆gt;＆＃34;，但是子进程要求每个参数都有自己的引号。我该如何使用＆＃34; ^＆gt;＆＃34;当我基本上作为一个论点进入时：＆＃34;＆＃34; ^＆gt;＆＃34;＆＃34;。

另外，我必须在f.write（文件）之后添加f.write（＆＃34; \ n＆＃34;）吗？目前我的输出只是一个文本文件，每个条目彼此相邻，而subprocess命令只是将每个文件名打印到终端，并声明没有找到这样的文件：

grep：MZ23900789.fasta：没有这样的文件或目录

Answer 1

尝试以下代码，它应该适用于您的示例。它将写入文件名加上制表符分隔符和序列数（即>个字符）。使用Popen和communicate可以更好地灵活处理输出。在Ubuntu上测试过。

import subprocess
import os

fasta_dir = "/Users/vivaksoni1/Downloads/DA_CDS/fasta_files/"

with open("five_seqs.txt", "w") as f:
    for file in os.listdir(fasta_dir):
        f.write(file + '\t')
        grep = subprocess.Popen(["grep", "-c", "^>", fasta_dir + file], stdout = subprocess.PIPE)
        out, err = grep.communicate()
        f.write(out + '\n')

使用python subprocess.call将fasta序列的计数写入文件

1 个答案: