5

好的，所以我需要使用 python（biopython， http: //biopython.org/DIST/docs/tutorial/Tutorial.html ）从 FASTA 文件中提取部分序列

我需要从每个序列中获取前 10 个碱基并将它们放在一个文件中，保留 FASTA 格式的序列信息。最糟糕的是，如果没有办法保留序列信息，我可以只使用碱基。所以这里有一个例子：

>gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S rRNA gene and ITS1 and ITS2 DNA
CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGGAATAAACGATCGAGTG
AATCCGGAGGACCGGTGTACTCAGCTCACCGGGGGCATTGCTCCCGTGGTGACCCTGATTTGTTGTTGGG

>gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S rRNA gene and ITS1 and ITS2 DNA
CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGGAATAAACGATCGAGTG
AATCCGGAGGACCGGTGTACTCAGCTCACCGGGGGCATTGCTCCCGTGGTGACCCTGATTTGTTGTTGGG

>gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S rRNA gene and ITS1 and ITS2 DNA
CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGGAATAAACGATCGAGTG
AATCCGGAGGACCGGTGTACTCAGCTCACCGGGGGCATTGCTCCCGTGGTGACCCTGATTTGTTGTTGGG

我需要一些方法来获得前 10 个基地（然后我计划在最后 10 个基地再做一次）。该教程网站非常详尽，但我对此并不陌生，因为它没有涉及到这个，我什至不确定它是否可能。谢谢你提供的所有帮助。

4

2 回答 2

6

Biopython 非常适合这类任务。-ObjectSeq存储序列和有关它的信息。读取 fasta 文件格式很简单。您可以像访问简单列表一样访问序列，因此也可以直接访问某些位置：

from Bio import SeqIO

with open("outfile.txt","w") as f:
        for seq_record in SeqIO.parse("infile.fasta", "fasta"):
                f.write(str(seq_record.id) + "\n")
                f.write(str(seq_record.seq[:10]) + "\n")  #first 10 base positions
                f.write(str(seq_record.seq[-10:]) + "\n") #last 10 base positions
于 2012-10-30T20:31:00.653 回答
0

Biopython Seq 对象基本上是一个数组，因此您可以指定它的子部分并将它们传递给新的 Seq 对象。假设您已将这些读入 seqrecord （字典），然后使用以下代码，您可以指定开始结束位置。

SeqRecords[Seq][start:end].seq

这将为您提供 SeqRecord 在开始和结束位置之间的序列对象，它们是整数。从记忆中，开始/结束索引有些有趣，但请尝试一下。您还应该能够指定：

SeqRecords[Seq][:end].seq

从 SeqRecord 的开头获取序列。

为了完整性 - 像这样读取文件：

inputSeqFile = open(filename, "rU")
SeqDict = SeqIO.to_dict(SeqIO.parse(inputSeqFile, "fasta"))
inputSeqFile.close()

希望有帮助。

于 2012-10-30T13:13:28.110 回答