我正在处理fasta格式的DNA序列数据,需要创建两个包含生物体名称和序列的列表。我遇到了下面的帖子Add multiple sequences from a FASTA file to a list in python,但是这个解决方案对我来说并不合适(我还不能评论)。在
fasta文件是使用以下格式的txt文件。一行以“>;”开头,标记生物体名称,后跟多行序列数据。一个fasta文件可以包含多个生物体,每一个组织成块:
>;组织1
实际操作
atcgtagbr/>
ATCATGCTATTGTG
&组织
TACTGTAGCTAGTCGTAGCT
ATGACGATCGTACGTAC
TAGCTGACTG
... 在
我通过上面的链接编写的代码是:
data_file = open("multitest.fas","r")
data_tmp = []
a=[] #list for organisms name
b=[] #list for sequence data
for line in data_file:
line = line.rstrip()
line = line.strip("\n").strip("\r")
for i in line:
if line[0] == ">":
a.append(line[1:])
if data_tmp:
b.append("".join(data_tmp))
data_tmp=[]
break
else:
line=line.upper()
if all([k==k.upper() for k in line]):
data_tmp.append(line)
print a
print b
代码运行良好,除了最后一个有机体的序列没有附加到列表b中。这似乎很明显,因为序列数据只在遇到“>;”时添加。如何确保最后一个序列也被添加?为什么没有其他人在上述链接的代码中有同样的问题?谢谢你的建议!在
我已经用正则表达式做过了。希望你觉得有用。在
相关问题 更多 >
编程相关推荐