忘记密码   免费注册 查看新帖 |

ChinaUnix.net

  平台 论坛 博客 认证专区 大话IT 徽章 文库 自测 下载 频道自动化运维 虚拟化 储存备份 C/C++ PHP MySQL 嵌入式 Linux系统
最近访问板块 发新帖
查看: 1648 | 回复: 2

求助大牛,关于去除冗余数据问题(fasta格式序列) [复制链接]

论坛徽章:
1
操作系统版块每日发帖之星
日期:2015-10-08 06:20:00
发表于 2018-01-17 20:33 |显示全部楼层
有一些氨基酸序列,文件名为a.fas,格式如下:>Gne|c67372_g2_i2_m.86976GIGGGLSGTVRQKGSIAPPPASGRIRSPLPPPPNDTVTIR---------STD-ARHTTDAFSDLSQLERNLPAPTASGWAAF
>Lja|Lygodium_c28780_g1_i1_m31025
SGKSSLLSTGHMAAPLAPPPGGGRLRTPLPPPPNDIKHHRVSNSTPLTRDTASGRP-GDPFADLSQLEANLPTSYHAGWAAF
>Lja|Lygodium_c30483_g1_i1_m35786
SGKSSLLSTGHMAAPLAPPPGGGRLRTPLPPPPNDIKHHRVSNSTPLTRDTASGRP-GDPFADLSQLEANLPTSYHAGWAAF
>Lja|Lygodium_c41319_g1_i1_m77659
GEQTNIASTGRMKAPLAPPPGGGRLRSPLPPPPSDNRQLR-SSSAANTYTEKTAKHASDPFADIAELETSLPSSFHGGWAAF
>Paq|Pteridium_c51474_g1_i3_m67055
SGGSTLASPGSMKAPIAPPPSGGRLCSPLPPPPNDTKYLRVTRTLPSTQ---------------------------------
>Paq|Pteridium_c62366_g1_i2_m115536
SGGSTLASPGSMKAPIAPPPSGGRLCSPLPPPPNDTKYLRVTRTLPSTQSSHSGRPTGDPFADLSQLEELLCARQHFEFASF
>Paq|Pteridium_c64930_g1_i1_m134191
GGTSTVASSGHIKAPLAPPPGGGRLRSPLPPPPNDNKHSRGTNAAAASQSRDSGRPTGDPFADLSQLEVSLPSSLHAGWAAF
>Pin|c31137_g1_i1_m49244
GLAGSVSSTGRQKASLAPPPGSGRIRSPLPPPPNDTVTAKIGSAMISSSSRDTSRHNADPLSDLSQLEMSLPSSTASGWAAF


其中|线前面的为物种名,基本都是3个字母。目的是想如果物种名相同,如果有多条序列,相差较大的话,所有序列都留下;如果排列好的序列相同或相差不多于2个氨基酸,则删除较短的一条。如上红色所示,将粉色的其中任意一条去除,红色的去除第一条较短的序列,得到如下结果(a.fas_out):

>Gne|c67372_g2_i2_m.86976GIGGGLSGTVRQKGSIAPPPASGRIRSPLPPPPNDTVTIR---------STD-ARHTTDAFSDLSQLERNLPAPTASGWAAF
>Lja|Lygodium_c28780_g1_i1_m31025
SGKSSLLSTGHMAAPLAPPPGGGRLRTPLPPPPNDIKHHRVSNSTPLTRDTASGRP-GDPFADLSQLEANLPTSYHAGWAAF
>Lja|Lygodium_c41319_g1_i1_m77659
GEQTNIASTGRMKAPLAPPPGGGRLRSPLPPPPSDNRQLR-SSSAANTYTEKTAKHASDPFADIAELETSLPSSFHGGWAAF
>Paq|Pteridium_c62366_g1_i2_m115536
SGGSTLASPGSMKAPIAPPPSGGRLCSPLPPPPNDTKYLRVTRTLPSTQSSHSGRPTGDPFADLSQLEELLCARQHFEFASF
>Paq|Pteridium_c64930_g1_i1_m134191
GGTSTVASSGHIKAPLAPPPGGGRLRSPLPPPPNDNKHSRGTNAAAASQSRDSGRPTGDPFADLSQLEVSLPSSLHAGWAAF
>Pin|c31137_g1_i1_m49244
GLAGSVSSTGRQKASLAPPPGSGRIRSPLPPPPNDTVTAKIGSAMISSSSRDTSRHNADPLSDLSQLEMSLPSSTASGWAAF


请大家帮帮忙!!!非常感谢!!!

打赏鼓励一下!

论坛徽章:
0
发表于 2018-01-18 14:57 |显示全部楼层
你这个同一个基因的不同转录本保留,一般不都是留最长的那条吗?
你的序列差异较大怎么判断?调blast吗?

论坛徽章:
1
操作系统版块每日发帖之星
日期:2015-10-08 06:20:00
发表于 2018-01-18 16:57 |显示全部楼层
sunslj 发表于 2018-01-18 14:57
你这个同一个基因的不同转录本保留,一般不都是留最长的那条吗?
你的序列差异较大怎么判断?调blast吗?

序列差异较大指的是两条序列之间差异大于1个氨基酸,多于1个差异的则保留。序列是利用软件已经排列好的。
您需要登录后才可以回帖 登录 | 注册

本版积分规则

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号 北京市公安局海淀分局网监中心备案编号:11010802020122
广播电视节目制作经营许可证(京) 字第1234号 中国互联网协会会员  联系我们:
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP