从fasta序列创建表格，python

Question

我有大约500个蛋白质序列，都是从blastp搜索中得到的，格式是fasta。我需要从这些序列中提取出蛋白质名称、所属生物、Uniprot ID，以及如果可以的话，还想知道蛋白质家族的信息，这样我就可以把这些信息整理成一个表格。

请问有没有什么方法可以用Python来实现这个？有没有什么函数可以和Uniprot进行沟通？我该如何从fasta的头部信息中提取这些信息呢？

Answer 1

你可以看看 Biopython，它有一个可以解析FASTA格式的工具。解析完数据后，你可以用 pandas 的 DataFrame 来创建一个表格。如果没有一些示例数据，就很难给出更详细的回答，但大概用五行代码就能搞定这个问题 :)

from Bio import SeqIO
with open("example.fasta", "rU") as handle:
    print list(SeqIO.parse(handle, "fasta"))