前端之家

  1. 首页
  2. 问答

无法从Fasta标头创建文本文件

• 问答

我在一个目录中有多个fasta文件。我需要为每个单独的fasta文件创建具有特定格式的文本文件。生成的文本文件将用作下游另一个程序的输入文件。我是python的新手，我确信下面的脚本和它们一样笨拙。我确信在biopython中有更好的方法来完成此任务。

import os
import re

for FILE in os.listdir():
    if FILE.endswith(".fasta"):
        OUTPUT = open(FILE+".lft",'w')
        with open(FILE,'r') as FIN:
            for LINE in FIN:
                if LINE.startswith('>'):
                    HEADER = re.sub('>','',LINE)
                    HEADER2 = re.sub('\n',HEADER)
                    PART1_HEADER = HEADER2.split(":")
                    CONTIG = str(PART1_HEADER[0])
                    PART2_HEADER = PART1_HEADER[1]
                    SPLIT_PART2 = PART2_HEADER.split("-")
                    START = int(SPLIT_PART2[0])
                    END = int(SPLIT_PART2[1])
                    LENGTH = END-START
                    OUTPUT.write(str(START) + '\t' + str(HEADER2) + '\t' + str(LENGTH) + '\t' + str(CONTIG) + '\t' + str(END) + '\n')

以下是每个fasta文件中标头的示例：

>Spp-0:0-500
>Spp-1:0-3538
>Spp-2:0-1421
>Spp-3:0-500

位置：

“ Spp” =物种名称

“-0” =斋戒中的序列ID

“：0-500” =序列的开始和结束位置（并非全部从零开始）。

我正在寻找一个文本文件，如下所示：

0       aVan-0:0-500    500     aVan-0  500
0       aVan-1:0-3538   3538    aVan-1  3538
0       aVan-2:0-1421   1421    aVan-2  1421
0       aVan-3:0-500    500     aVan-3  500

1st column: start position
2nd column: original header
3rd column: end position
4th column: everything before the ":"
5th column: the length between start & stop positions

我的代码运行得很好，但是如果目录中有25个fasta序列，我的代码将只处理前24个。它还会在屏幕上输出一堆数字（通常是41或44 ...不确定为什么？），我也想摆脱它。

since1129 回答：无法从Fasta标头创建文本文件

仅使用awk 

 awk -F ':' '/^>/ {split($2,a,/\-/);printf("%s\t%s\t%s\t%s\t%s\n",a[1],substr($0,2),a[2],substr($1,int(a[2])-int(a[1]));}' in.fasta

0   Spp-0:0-500 500 Spp-0   500
0   Spp-1:0-3538    3538    Spp-1   3538
0   Spp-2:0-1421    1421    Spp-2   1421
0   Spp-3:0-500 500 Spp-3   500
,

以下是使您的代码更具“ pythonic”性的建议：

#!/usr/bin/env python3

import os

def main():
    # Don't use capital letters for variable names.
    for filename in os.listdir():
        if filename.endswith(".fasta"):
            # Use context manager for both input and output.
            with open(filename + ".lft",'w') as output,\
                    open(filename,'r') as fasta_in:
                for line in fasta_in:
                    if line.startswith('>'):
                        # No need to use re.sub to just skip the first
                        # character (which you know is a '>').
                        # .strip() will remove "blanks" at ends.
                        header = line[1:].strip()
                        # You can "unpack" a list to directly store the
                        # parts in variables
                        [contig,coords] = header.split(":")
                        [start,end] = coords.split("-")
                        length = int(end) - int(start)
                        output.write("\t".join([
                            start,header,str(length),contig,end]))
                        output.write("\n")

main()
bioinformaticsfasta
本文链接：https://www.f2er.com/3150964.html

大家都在问