Question

好的，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，我可以使用基数。所以这是一个例子：

>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个基地再次进行）。该教程网站非常详尽，但我是新手，因为它没有涉及到这一点，我甚至不确定它是否可能。感谢您提供任何帮助。

Answer 1

Biopython非常适合这类任务。 Seq - 对象存储有关它的序列和信息。读取fasta文件格式是直截了当的。您可以像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

Answer 2

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，您可以指定起始位置。

SeqRecords[Seq][start:end].seq

这将为您提供起始位置和结束位置之间的SeqRecord的序列对象，它们是整数。从记忆中可以看出开始/结束索引的一些有趣之处，但是要玩得开心。您还应该能够指定：

SeqRecords[Seq][:end].seq

从SeqRecord开始获取序列。

为了完整性 - 阅读如下文件：

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

希望有所帮助。

使用Biopython（Python）从FASTA文件中提取序列

2 个答案: