Question

我有多个fasta文件，其中包含多个具有相同长度序列的个体。我想要做的是创建一个沿着fasta文件的物种序列的连接。

在循环中：如果在下一个文件中找到一个物种，我会连接它的序列，如果没有，我连接间隙（' - '），与其余序列的长度相同。（参见文件已对齐）

species_list = []
files = [file for file in glob.glob('~/*.fa')]
for aln in files:
    with open (aln, 'rU') as multispecies:
        sequences = SeqIO.parse(multispecies, 'fasta')
        for species in sequences:
            species_list.append(species.id)

species_list=list(set(species_list))
#print(species_list)

concat = {}
for aln in files:
    #print(aln)
    dict = {}
    with open (aln, 'rU') as multispecies:
        sequences = SeqIO.parse(multispecies, 'fasta')
        names = []
        for fasta in sequences:
            names.append(fasta.id)
            dict[fasta.id] = fasta.seq
        count_species = 0
        for i in species_list:
            if i in names:
                count_species = count_species + 1
                print('>' + i + '\n' + dict[i])
                gap = int(len(dict[i]))
                concat[i] += dict[i]    #I cannot find a way to concatenate here
            else:
                print('>' + i + '\n' + '-'*gap)
                concat[i] += '-'*gap #I cannot find a way to concatenate here

Answer 1

你的concat应该是一个defaultdict或者通过创建一些可迭代的函数来处理缺失的键，在这种情况下可能是str或者最好是列表。然后，您可以使用新值扩展iterable：

# list-based
concat.setdefault(i, []).extend(dict[i]) # should work if you keep the data in a list
# string-based
concat[i] = concat.get(i, '') + dict[i]

基于字符串的方法效率非常低，因为您必须在每个连接上从头开始重建字符串。如果你需要一个字符串，你总是可以把它作为一个列表然后“”。一旦你完成它就加入它。

在循环中连接fasta文件

1 个答案: