python - 连接多个 .fasta 文件

Question

我正在尝试将数百个 .fasta 文件连接成一个包含所有序列的大型 fasta 文件。我还没有在论坛中找到实现此目的的特定方法。我确实从http://zientzilaria.heroku.com/blog/2007/10/29/merging-single-or-multiple-sequence-fasta-files中看到了这段代码，我对它做了一些调整。

Fasta.py 包含以下代码：

class fasta:
    def __init__(self, name, sequence):
        self.name = name
        self.sequence = sequence

def read_fasta(file):
    items = []
    index = 0
    for line in file:
        if line.startswith(">"):
           if index >= 1:
               items.append(aninstance)
           index+=1
           name = line[:-1]
           seq = ''
           aninstance = fasta(name, seq)
        else:
           seq += line[:-1]
           aninstance = fasta(name, seq)

    items.append(aninstance)
    return items

这是连接 .fasta 文件的改编脚本：

import sys
import glob
import fasta

#obtain directory containing single fasta files for query
filepattern = input('Filename pattern to match: ')

#obtain output directory
outfile = input('Filename of output file: ')

#create new output file
output = open(outfile, 'w')

#initialize lists
names = []
seqs = []

#glob.glob returns a list of files that match the pattern
for file in glob.glob(filepattern):

    print ("file: " + file)

    #we read the contents and an instance of the class is returned
    contents = fasta.read_fasta(open(file).readlines())

    #a file can contain more than one sequence so we read them in a loop
    for item in contents:
        names.append(item.name)
        seqs.append(item.sequence)

#we print the output
for i in range(len(names)):
    output.write(names[i] + '\n' + seqs[i] + '\n\n')

output.close()
print("done")

它能够读取 fasta 文件，但新创建的输出文件不包含序列。我收到的错误是由于 fasta.py，这超出了我的能力范围：

Traceback (most recent call last):
  File "C:\Python32\myfiles\test\3\Fasta_Concatenate.py", line 28, in <module>
    contents = fasta.read_fasta(open(file).readlines())
  File "C:\Python32\lib\fasta.py", line 18, in read_fasta
    seq += line[:-1]
UnboundLocalError: local variable 'seq' referenced before assignment

有什么建议么？谢谢！

score 8 · Accepted Answer

我认为使用python这项工作是矫枉过正。.fasta在命令行上，使用or扩展名连接单个/多个 fasta 文件的快速方法.fa是：

cat *.fa* > newfile.txt

score 1 · Accepted Answer

问题出在fasta.py：

else:
       seq += line[:-1]
       aninstance = fasta(name, seq)

尝试seq在read_fasta(file).

编辑：进一步解释

当您第一次调用read_fasta时，文件中的第一行不以开头>，因此您将第一行附加到seq尚未初始化（甚至未声明）的字符串：您将字符串（第一行）附加到 null价值。堆栈中存在的错误解释了问题：

UnboundLocalError: local variable 'seq' referenced before assignment

score 1 · Accepted Answer

不是python程序员，但似乎问题代码试图将每个序列的数据压缩在一行中，并用空行分隔序列。

会成为

  >seq1
  0000000011111111

  >seq2
  2222222233333333

如果这实际上是需要的，上述基于cat的解决方案将不起作用。否则猫是最简单和最有效的解决方案。

score 1 · Accepted Answer

对于通过命令提示符的 Windows 操作系统：（注意文件夹应仅包含必需的文件）：

copy *.fasta **space** final.fasta

享受。

score 1 · Accepted Answer

以下确保新文件总是在新行开始：

$ awk 1 *.fasta > largefile.fasta

使用的解决方案cat可能会失败：

$ echo -n foo > f1
$ echo bar > f2
$ cat f1 f2
foobar
$ awk 1 f1 f2
foo
bar

python - 连接多个 .fasta 文件

5 回答 5

Related

Reference