问题标签 [fasta]

我有以下 fasta 文件：

我想遍历 FASTA ，在它遇到的所有“R”处拆分蛋白质序列，这将生成肽，然后对肽进行分解。从blastp 获取结果并将blastp 结果存储在fasta 文件中每个蛋白质ID 的单独文件中。我对使用什么语言并不特别。我想了解如何做到这一点，以便我可以在其之上构建更多功能。谢谢！

我正在使用 Biopython 打开一个大的单条目 fasta 文件（514 兆碱基），这样我就可以从特定坐标中提取 DNA 序列。返回序列的速度相当慢，我只是想知道是否有更快的方法来执行我还没有想到的这项任务。速度不会只是一两次点击的问题，但我正在遍历 145,000 个坐标的列表，这需要几天时间：/

我有一个由许多条目组成的文件，如下所示：

即以 > 开头的标题行和许多序列行，然后是标题行。我正在尝试编写一个 sed 脚本，该脚本仅转到以 > 开头的行（而不是序列行），并删除除前 10 个数字之外的所有数字。

有很多类似的问题，但我无法弄清楚。我一直在尝试对此代码的变体：

但显然我做得不对..

I want to grep several words in file1, and use each word to grep what follows after its match in file2.fasta. And then I want to add the thing that followed the match to the word I used into file03, so that file03 contains information from both files. Part of files I have are:

file1:

And a Fasta file (file2) like this:

The output I want is for this example:

As you can see, I simply want to add the FASTA sequence - which is contained in file2 – to file1. If anyone knows how to do this I would greatly appreciate it!

我有一个这样的fasta文件，标题如下：

我想将标题更改为仅包含 GL 和 6 位数字，并删除每个标题上方的空行，如下所示：

任何人都可以为此分享一个perl脚本吗？谢谢

我需要为以下术语解析 FASTA 标题：叶子、芽、茎和嫩芽，如果一个序列包含任何一个术语，那么我打开一个文件并使用 Biopython 将其放置在那里。

所以我使用以下方法将它们转换为字典SeqIO.to_dict：

但现在我不知道如何从标题中获取条款。序列如下所示：

我尝试从标头中具有增量 ID 的 .csv 文件创建多 fasta。但是我的脚本效果不佳。有什么建议吗？

我想从输入fasta文件中检索第n^个序列（或者最好是第n^个到第m^个序列），最好使用unix“单线”。

我知道我可以用 perl（或任何其他脚本语言）读取序列，计数，然后打印序列，但我正在寻找更快、更紧凑的东西。

对于那些不知道的人，示例 fasta 文件如下所示：

我只是迈出了尝试学习一点 Python 的第一步。目前正在学习旨在教授生物信息学 python 技能的 Rosalind 在线课程。（顺便说一句，非常好，请参阅：rosalind.info）

我正在努力解决一个特定问题。我有一个 FASTA 格式的文件，其格式如下：

我需要计算文件每个条目（不包括标题）中 G 和 C 的百分比并返回这个数字，例如：

到目前为止，我的代码是：

这几乎是我需要它做的事情。我只是在序列数据跨越多行时遇到了麻烦。目前我得到文件中每一行的 % GC 内容，而不是为每个条目返回一个数字，例如：

如何将我的公式应用于跨越多行的数据？

提前致谢，

我是来自德国海德堡大学的莫里茨。

对于我的学士论文，我有 20 个肝细胞癌患者的大型 (25-30 GB) 基因组文件 (.txt.gz)。我在我的 Ubuntu 服务器上安装了 Bpipe，我必须尝试几种方法。

包括的步骤是：

• 针对 hg19.fasta 的对齐（BWA（转换 sai 和 sam））
• 变换 (samtols)
• 重复数据删除

我遇到的问题是，为了尝试我的 bpipe 工作流程，我必须占用 30 GB 的整个序列并从头开始。这需要很多时间。所以我的问题是：

如何缩短一个文件？

在哪里可以找到可用于测试管道的短序列？