Python：从fasta格式序列开头移除字符

Question

我有一些以fasta格式存储的序列，这些序列的开头有17个碱基对的引物。有时候这些引物会有些不匹配。因此，我想把序列开头的17个字符去掉，但fasta的标题部分不想去掉。

这些序列看起来是这样的：

> name_name_number_etc
SEQUENCEFOLLOWSHERE
> name_number_etc
SEQUENCEFOLLOWSHERE
> name_name_number_etc
SEQUENCEFOLLOWSHERE

我该如何在python中做到这一点呢？

谢谢！Jon

Answer 1

如果你的文件内容是这样的

>MCHU - Calmodulin - Human, rabbit, bovine, rat, and chicken
ADQLTEEQIAEFKEAFSLFDKDGDGTITTKELGTVMRSLGQNPTEAELQDMINEVDADGNGTID
FPEFLTMMARKMKDTDSEEEIREAFRVFDKDGNGYISAAELRHVMTNLGEKLTDEEVDEMIREA
DIDGDGQVNYEEFVQMMTAK*

而你想要删除每行序列的前17个字符，你可以这样做：

f = open('sequence.txt')

for line in f.xreadlines():
    if line.find('>') < 0:
        print line.strip()[17:]

Answer 2

当然可以！请看下面的内容：

在编程中，有时候我们需要让程序在特定的条件下执行某些操作。比如说，当用户点击一个按钮时，我们希望程序能做出反应。这种情况就需要用到“事件处理”。简单来说，事件处理就是让程序能够“听到”用户的操作，然后根据这些操作来做出相应的反应。

想象一下，你在玩一个游戏，按下了跳跃键，游戏角色就会跳起来。这就是事件处理的一个例子：程序在“听”你按键的动作，然后执行相应的跳跃动作。

在编程中，我们通常会写一些代码来定义这些事件和反应。比如，我们可以写一段代码来告诉程序：“当用户点击这个按钮时，请显示一条消息。”这样，程序就知道该怎么做了。

总的来说，事件处理让我们的程序变得更加互动和智能，能够根据用户的操作做出不同的反应。

with open('fasta_file') as f:
    for line in f:
        if not line.startswith('>'):
            print line[17:]

Answer 3

如果我理解得没错，你需要从一个可能有多行的序列中，只去掉前17个字符。你问的问题有点复杂。确实有简单的解决办法，但在某些情况下可能会出问题。

我的建议是：使用Biopython来解析FASTA文件。直接参考教程就可以了。

from Bio import SeqIO
handle = open("ls_orchid.fasta")
for seq_record in SeqIO.parse(handle, "fasta") :
    print seq_record.id
    print repr(seq_record.seq)
    print len(seq_record)
handle.close()

然后把序列重新写下来，去掉前17个字母。我现在的机器上没有安装biopython，但如果你看看教程，整体代码不会超过15行。

如果你想挑战一下，手动来做，你需要像这样操作（来自第一个发帖者，稍作修改）

f = open('sequence.fsa')

first_line = False
for line in f.xreadlines():
    if line[0] == ">":
        first_line=True
        print line,
    else:
        if first_line:
             print line[17:],
        else:
             print line,
        first_line = False