我必须制作一个通用解析器来使用 Python 解析 fasta 文件。
格式如下:
>gi|348686675|gb|JH159151.1| Phytophthora sojae unplaced genomic scaffold PHYSOscaffold_1, whole genome shotgun sequence
TACGAGAATAATTTCTCATCATCCAGCTTTAACACAAAATTCGCA
>gi|348686675|gb|JH159151.1| Phytophthora sojae unplaced genomic scaffold PHYSOscaffold_2, whole genome shotgun sequence
CAGTTTTCGTTAAGAGAACTTAACATTTTCTTATGACGTAAATGA
AGTTTATATATAAATTTCCTTTTTATTGGA
>gi|348686675|gb|JH159151.1| Phytophthora sojae unplaced genomic scaffold PHYSOscaffold_3, whole genome shotgun sequence
GAACTTAACATTTTCTTATGACGTAAATGAAGTTTATATATAAATTTCCTTTTTATTGGA
TAATATGCCTATGCCGCATAATTTTTATATCTTTCTCCTAACAAAACATTCGCTTGTAAA
我必须分别检索每个标题和序列,并将值插入我创建的 MySQL 数据库中。
eg: title1 = PHYSOscaffold_1
sequence2 = TACGAGAATAATTTCTCATCATCCAGCTTTAACACAAAATTCGCA
title2 = PHYSOscaffold_2
sequence1 = CAGTTTTCGTTAAGAGAACTTAACATTTTCTTATGACGTAAATGA AGTTTATATATAAATTTCCTTTTTATTGGA
等等...我将这些值插入到 MySQL 表中。
我的解析输出应该是这样的:
name1 \t sequence1 \t length_of_sequence \t a_count \t t_count \t g_count \t c_count
name2 \t sequence2 \t length_of_sequence \t a_count \t t_count \t g_count \t c_count
到目前为止,我已经编写了一个非常基本的脚本,如下所示:
infile = open("simple.fasta")
line = infile.readline()
if not line.startswith(">"):
raise TypeError("Not a FASTA file: %r" % line)
title = line
sequence_lines = []
while 1:
line = infile.readline().rstrip()
if line == "":
break
sequence_lines.append(line)
我只得到我的第一个序列和标题。
我是新手,需要专家帮助。