Fasta 序列提取模式匹配問題？

joo_nimrod

我有一個fasta 文件，格式爲：
>chr1|hos107.1#gene1
ACACTCCCGGGCCCCCCCCCCCC
ACCTTTCAAAAAAAAAAAAAAA
AATTTTCCCCCCAAAGGGG
>chr1|hos107.2#gene2
ACACTCCCGGGCCCCCCCCCCCC
ACCTTTCAAAAAAAAAAAAAAA
AATTTTC
>chr1|hos107.4#gene3
ACACTCCCGGGCCCCCCCCCCCC
ACCTTTCAAAAAAAAAAAAAAA
AATTTTC
>chr1|hos107.5#gene4
ACACTCCCGGGCCCCCCCCCCCC
ACCTTTCAAAAAAAAAAAAAAA
AATTTTC
.........................

我想分別提取chr1|hos107.×和序列sequence（ACACTCCCGGGCCCCCCCCCCCCACCTTTCAAAAAAAAAAAAAAAAATTTTCCCCCCAAAGGGG）组成一个字典。我用 ListInputName=line.split('\n')[0][1:]
sequence=''.join(myfile.split('\n')[1:]
得到的sequence連在一起了。請大神幫我看下

zhonghua7896321

1. 
   
2. >>> f = open('test.txt')
   
3. >>> lines = f.readlines()
   
4. >>> f.close()
   
5. >>> ListInputName=lines[0].strip()[1:]
   
6. >>> print ListInputName
   
7. chr1|hos107.1
   
8. >>> sequece=''.join(lines[1:4]).strip()
   
9. >>> print sequece
   
10. ACACTCCCGGGCCCCCCCCCCCC
    
11. ACCTTTCAAAAAAAAAAAAAAA
    
12. AATTTTCCCCCCAAAGGGG
    
13. >>>
    

复制代码

joo_nimrod

[非常感谢，其实我是想批量地生成一个dict，hot1与sequence相互对应，便于后面的分析。而不是单独提取出一个，您看这可以实现吗？b]回复 2# zhonghua7896321


   

MMMIX

biopython 没有对应的模块么？

joo_nimrod

刚学python，不懂biopython，我去看下回复 4# MMMIX


   

zhonghua7896321

回复 4# MMMIX


    可以的。下边是简单的字典收纳刚才生成的数据。
如果你要批量处理这样的数据文件，那么把刚才的内容封装成一个模块来处理最好，里边用循环和正则来分析规律，把数据存放在字典里边。

我对这样的数据不了解，不知道是否是生物相关的数据。如果是的话，你不妨考虑一下perl，perl对生物方面的编程支持比较好。python对生物方面的编程我没了解过。
但万变不离其宗，只要找准方法，python一样可以解决相应的问题。

1. 
   
2. >>> info = {}
   
3. >>> info[ListInputName] = sequece
   
4. >>> print info
   
5. {'chr1|hos107.1': 'ACACTCCCGGGCCCCCCCCCCCC\nACCTTTCAAAAAAAAAAAAAAA\nAATTTTCCCCCCAAAGGGG'}
   
6. >>>
   

复制代码

zhonghua7896321

找到一个python在生物方面的编程资料。

zhonghua7896321

使用biopython的确很简单呐
你参考一下吧

1. 
   
2. [root@CentOS ~]# pip install biopython
   
3. You are using pip version 7.1.0, however version 7.1.2 is available.
   
4. You should consider upgrading via the 'pip install --upgrade pip' command.
   
5. Collecting biopython
   
6.   Downloading biopython-1.66.tar.gz (13.7MB)
   
7.     100% |████████████████████████████████| 13.7MB 1.5kB/s
   
8. Installing collected packages: biopython
   
9.   Running setup.py install for biopython
   
10. Successfully installed biopython-1.66
    
11. [root@CentOS ~]#
    
12. 
    
13. 
    
14. >>> from Bio import SeqIO
    
15. >>> data = {}
    
16. >>> with open("test.txt") as f:
    
17. ...     for seq in SeqIO.parse(f, "fasta"):
    
18. ...         print seq.id
    
19. ...         print repr(seq.seq)
    
20. ...         data[seq.id] = str(seq.seq)
    
21. ...
    
22. chr1|hos107.1
    
23. Seq('ACACTCCCGGGCCCCCCCCCCCCACCTTTCAAAAAAAAAAAAAAAAATTTTCCC...GGG', SingleLetterAlphabet())
    
24. chr1|hos107.2
    
25. Seq('ACACTCCCGGGCCCCCCCCCCCCACCTTTCAAAAAAAAAAAAAAAAATTTTC', SingleLetterAlphabet())
    
26. >>> print data
    
27. {'chr1|hos107.1': 'ACACTCCCGGGCCCCCCCCCCCCACCTTTCAAAAAAAAAAAAAAAAATTTTCCCCCCAAAGGGG', 'chr1|hos107.2': 'ACACTCCCGGGCCCCCCCCCCCCACCTTTCAAAAAAAAAAAAAAAAATTTTC'}
    
28. >>>
    

复制代码

joo_nimrod

非常感谢，biopython真的很强大回复 7# zhonghua7896321