Question

我有以下代码，该代码读取具有10个基因序列的FASTA文件，并将每个序列作为矩阵返回。但是，最后一个序列似乎缺少代码，我想知道为什么吗？

file=open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r')
line=file.readline()

strings = []
sequence=''
while line:
    #line=line.rstrip('\n')
    line = line.strip() #empty () automatically strips the \n
    if '>' in line:
        if sequence != "":
            strings.append(sequence)
            sequence = ""
        #sequence=line
    else:
        sequence+=line
    line=file.readline()
for s in strings:
    print(s)

Motifs = []
for seq in strings:
    Motifs.append(list(seq))

#make every symbol into an element in the list separated by ,
for s in Motifs:
    print(s) ````

Answer 1

只有在看到新的strings时才追加到>，但是最后一个序列之后没有一个。

这是一个重构，希望它也会更加惯用。

strings = []
sequence=''

with open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r') as file:
    for line in file:
        line = line.rstrip('\n')
        if line.startswith('>'):
            if sequence != "":
                strings.append(sequence)
            sequence = ""
        else:
            sequence+=line
    # After the last iteration, append once more if we have something to append
    if sequence:
        strings.append(sequence)

Answer 2

由于FASTA文件包含以下格式的数据：

>ID1
seq_1
>ID2
seq_2
...

根据您的代码，如果您的行仅包含>，则尝试附加序列。这意味着，当您迭代ID_2时，您将添加ID_1的序列。

要解决此问题，您可以执行以下操作：

for line in file:
    line = line.strip()
    if '>' in line: # Line 1
        line = file.readline().strip()
        # print(line)
        strings.append(line)

以上示例使用了这样一个事实：在FASTA文件中，序列紧随ID之后，该ID包含>字符（您可以更改第1行，因此它仅检查第一个字符{ {1}}。

从FASTA File中提取基因序列？

2 个答案: