我将如何解析数千个DNA碱基的文本文件？

Question

这就是我所拥有的，我会有一堆dna基础（A，T，C，G）的大量文本文件，我想做的是每60个字符（任意）并把它放在上面一条新线，这样基地就可以分块了。但是，我也希望每个块重叠一定数量的基数。例如，如果给出了这个10个字母的块ATGGCTGCTA，并且最初的4个块块是ATGG，如果有重叠参数被指定为2，那么接下来的4个块块将是GGCT，然后是CTGC，依此类推。我知道我可能不得不考虑用python阅读，打开和编写文本文件。如果有任何资源，他们可能会指出我实现这一目标以及任何有用的提示和指示。

我将使用的文本格式化示例：

https://www.ncbi.nlm.nih.gov/nuccore/NC_000017.11?report=fasta&from=7661779&to=7687550

Answer 1

data = 'GAGACAGAGTCTCACTCTGTTGCACAGGCTGGAGTGCAGTGGCACAATCTCTGCTCACTGCAACCTCCTC'
chunk_size = 5
overlap = 2

for pos in range(0, len(data), chunk_size - overlap):
    print(data[pos:pos+chunk_size])

结果：

GAGAC
ACAGA
GAGTC
TCTCA
CACTC
TCTGT
...