我试图做比较两个文件和提取序列有其他子集。我还想提取标识符。但是,我能做的是能够提取包括子集的序列。示例文件包括:
text.fa
>header1
ETTTHAASCISATTVQEQ*TLFRLLP
>header2
SKSPCSDSDY**AAA
>header3
SSGAVAAAPTTA
而且
^{pr2}$当我运行代码时,我得到以下输出:
ETTTHAASCISATTVQEQ*TLFRLLP
SSGAVAAAPTTA
但是,我的预期输出是带标题的:
>header1
ETTTHAASCISATTVQEQ*TLFRLLP
>header3
SSGAVAAAPTTA
我的代码分为两部分,首先用这些序列创建文件,然后尝试从原始fasta文件中提取它们的头:
def get_nucl(filename):
with open(filename,'r') as fd:
nucl = []
for line in fd:
if line[0]!='>':
nucl.append(line.strip())
return nucl
def finding(filename,reffile):
nucl = get_nucl(filename)
with open(reffile,'r') as reffile2:
for line in reffile2:
for element in nucl:
if line.strip() in element:
yield(element)
with open('sequencesmatched.txt','w') as output:
results = finding('text.fa','textref.fa',)
for res in results:
print(res)
output.write(res + '\n')
因此,在这个sequencesmatched.txt
中,我得到了text.fa
的序列,它们的子串是{
ETTTHAASCISATTVQEQ*TLFRLLP
SSGAVAAAPTTA
所以在另一部分中,要检索相应的标题和这些序列:
def finding(filename,seqfile):
with open(filename,'r') as fastafile:
with open(seqfile,'r') as sequf:
alls=[]
for line in fastafile:
alls.append(line.strip())
print(alls)
sequfs = []
for line2 in sequf:
sequfs.append(line2.strip())
if str(line.strip()) == str(line2.strip()):
num = alls.index(line.strip())
print(alls[num-1] + line)
print(finding('text.fa','sequencesmatched.txt'))
但是,作为输出,我只能检索一个序列,这是第一个匹配:
>header1
ETTTHAASCISATTVQEQ*TLFRLLP
也许我可以不使用第二个文件,但是我不能进行正确的循环来获取序列和它们各自的头。所以,我走了很远的路。。在
如果你能帮忙我会很高兴的!在
如果文件的结构始终相同,则可以更轻松地执行以下操作:
这里我假设你的文件以“>;headern”开头,如果不是的话,你必须添加一些测试。现在你有一个像
headers['header1'] = 'ETTTHAASCISATTVQEQ*TLFRLLP'
这样的单词。在所以现在要找到匹配项,你只需使用这句话:
^{pr2}$因此,当您有一个头与它们的值匹配的dict时,如果您有一个子字符串,并且已经将头值作为键,那么就可以签入dict。在
刚才看到你做了
print(finding(....)
,你的函数已经打印出来了,所以就调用它。在相关问题 更多 >
编程相关推荐