删除 FASTA 基因序列的字典文件定义区域答案

【问题标题】：Cutting out dictionary file defined regions of a FASTA gene sequence删除 FASTA 基因序列的字典文件定义区域
【发布时间】：2022-10-01 08:37:30
【问题描述】：

对 Python 和一般编码非常陌生，所以请随意大笑。我想使用以下格式的txt文件（dict），第一列中的基因和序列区域（起始位置结束位置）

ORFB    21563 25384
ORF3a   25393 26220
ORF2a   26245 26472
ORF10   29558 29674
S   21563 25384
E   26245 26472

从 Genbank (GENE.fasta.txt) 读取一个 FASTA DNA 文件，这样输出将是基因名称，然后是每个基因的开始和停止之间的序列。

我尝试了以下...没有运气。我真的很想学习，而不仅仅是获得代码。任何帮助是极大的赞赏。

with open(\'dict.txt\') as f:
    ranges = {ID: (int(start), int(stop)) for ID, start, stop in map(lambda s: s.strip().split(), f)}

from Bio import SeqIO
with open (\'GENE.fasta.txt\') as handle:
    out = [r[slice(*ranges[r.id])] for r in SeqIO.parse(handle, \'fasta\')]

with open(\'output.fasta\', \'w\') as handle:
    SeqIO.write(out, handle, \'fasta\')

“没有运气”是什么意思？乍一看，您的代码看起来应该可以正常工作
对于那个很抱歉。我一直收到 KeyError: \'MN908947.3\' FASTA 文件是 MN908947.3 严重急性呼吸综合征冠状病毒 2 分离株武汉-Hu-1，全基因组

标签： python bioinformatics fasta dna-sequence

【解决方案1】：

您正在将地图应用于文件对象。你必须做这样的事情：

with open('dict.txt') as f:
    ranges = {
        ID: (int(start), int(stop))
        for ID, start, stop
        in map(lambda line: line.strip().split(), f.readlines())
    }

readlines 方法返回文件中的行列表。使用列表理解可能更具可读性：[line.strip().split() for line in f.readlines()]

我希望我有所帮助

【讨论】：

谢谢您的答复！我试过了，但我不断收到 KeyError: 'MN908947.3'
FASTA 文件为 MN908947.3 严重急性呼吸综合征冠状病毒 2 分离株武汉-Hu-1，全基因组
不幸的是，我不认为这解决了 OP 问题

【解决方案2】：

显然 MN908947.3 不是您第一步构建的 ID

所以当你尝试做ranges[r.id]它不存在

你可以也许做一些更像

with open ('GENE.fasta.txt') as handle:
    out = [r[slice(*ranges[r.id])] for r in SeqIO.parse(handle, 'fasta') if r.id in ranges]

【讨论】：