Question

我想通过Python从月光蛋白数据库（www.moonlightingproteins.org/results.php?search_text=）中提取具有氨基酸序列的FASTA文件，因为它是一个迭代过程，我宁愿学习如何编程而不是手动执行，b / c来了，我们在2016年。问题是我不知道如何编写代码，因为我是一个新手程序员:(。基本的伪代码将是：< / p>

 for protein_name in site: www.moonlightingproteins.org/results.php?search_text=:

       go to the uniprot option 

       download the fasta file 

       store it in a .txt file inside a given folder

提前致谢！

Answer 1

我强烈建议向作者询问数据库。来自FAQ：

我想在项目中使用MoonProt数据库来分析   使用生物信息学的氨基酸序列或结构。

如果您愿意，请通过bioinformatics@moonlightingproteins.org与我们联系   有兴趣使用MoonProt数据库分析序列和/或   兼职蛋白质结构。

假设您发现了一些有趣的内容，您将如何在论文或论文中引用它？＆＃34;未经作者同意，从公共网页上删除序列＆＃34;。更好地归功于原始研究人员。

这是scraping

的一个很好的介绍

但回到你原来的问题。

import requests
from lxml import html
#let's download one protein at a time, change 3 to any other number
page = requests.get('http://www.moonlightingproteins.org/detail.php?id=3')
#convert the html document to something we can parse in Python
tree = html.fromstring(page.content)
#get all table cells
cells = tree.xpath('//td')

for i, cell in enumerate(cells):
    if cell.text:
        #if we get something which looks like a FASTA sequence, print it
        if cell.text.startswith('>'):
            print(cell.text)
    #if we find a table cell which has UniProt in it
    #let's print the link from the next cell
    if 'UniProt' in cell.text_content():
        if cells[i + 1].find('a') is not None and 'href' in cells[i + 1].find('a').attrib:
            print(cells[i + 1].find('a').attrib['href'])

用Python提取Fasta Moonlight蛋白质序列

1 个答案: