Question

我有2个文件：一个是包含一系列ID的文本文件，另一个是multifasta文件，其中包含对应于第一个文件中ID的fasta序列。我有一个python脚本，可以从两个文件中选择匹配的ID。看起来像这样：

type

我需要编辑我的脚本，以便它可以选择相应ID旁边的序列文本。你能帮我吗？谢谢。

Answer 1

如果您只想从names文件中提取项目，则先将名称读取到内存中可能会更有效。

from Bio import SeqIO

wanted = dict()
with open("names","r") as lines:
    for line in lines:
        wanted[line.strip()] = 1

for record in SeqIO.parse("fasta1.fasta","fasta"):
    if record.id in wanted:
        print(record.seq)

Answer 2

看看是否可行：

from Bio import SeqIO

fasta=SeqIO.parse("fasta1.fasta","fasta")
seq_dict = {}

for record in fasta:
    seq_dict[record.id.strip()] = record.seq

with open("names","r") as lines:
    for line in lines:
        l = line.strip().lstrip('<')
        if l in seq_dict:
            print(l) # ID
            print(seq_dict[l])  # sequence

请注意，这假定从fasta文件获得的ID与名称文件中的ID相同。如果不是这种情况，请提供两个文件分别包含的内容的更多详细信息（带有示例）

Answer 3

在与Bio.SeqIO玩了一会后，我得出结论@Bazingaa可能是正确的。像这样修改代码：

from Bio import SeqIO

fasta=SeqIO.parse("fasta1.fasta","fasta")
seq_dict={}

for record in fasta:
    seq_dict[record.id]=record.description

#print (seq_dict)
for line in open("names","r"):
    line=line.strip()
    print(line)

for cle, desc in seq_dict.items():
    print(cle)
    print(desc)

您似乎是python新手，所以这是我做的：

我没有保存record.seq，而是存储了record.description
for a, b in <some dictionary>.items()将遍历返回键，值对的字典项到a，b变量中

希望这会有所帮助。

编辑：

这是一个更加“ pythonic”的版本。我不太了解fasta是什么，所以我假设您想从名称中读取行，将'tr | something'something部分作为id（不带前导'>'）并打印出来自'fasta1 .fasta”（如果它们是名字：

from Bio import SeqIO

fasta = SeqIO.parse("fasta1.fasta","fasta")

# read all the names
with open("names", "r") as f:  # this takes care to close the file afterwards
  names = [line.strip().lstrip('>') for line in f]
print("Names: ", names)

for record in fasta:
    print("Record:", record.id)
    if record.id in names:                                                                                            
        print("Matching record:", record.id, record.seq, record.description)

我如何编辑我的python脚本，以便它可以选择fasta序列的整个文本？

3 个答案: