如何使用 python 反向补充多序列 fasta 文件？

Question

我是 python 新手，我试图弄清楚如何读取具有多个序列的 fasta 文件，然后创建一个包含序列反向补充的新 fasta 文件。该文件将类似于：

>智人 ACGTCAGTACGTACGTCATGACGTACGTACTGACTGACTGACTGACGTACTGACTGACTGACGTACGTACGTACGTACGTACGTACTG

>犬狼疮 CAGTCATGCATGCATGCAGTCATGACGTCAGTCAGTACTGCATGCATGCATGCATGCATGACTGCAGTACTGACGTACTGACGTCATGCATGCAGTCATG

>Pan_troglodytus CATGCATACTGCATGCATGCATCATGCATGCATGCATGCATGCATGCATCATGACTGCAGTCATGCAGTCAGTCATGCATGCATCAT

我正在尝试学习如何使用 for 和 while 循环，因此如果解决方案可以包含其中之一，那将是首选。

到目前为止，我设法以一种非常不雅的方式做到了，如下所示：

file1 = open('/path/to/file', 'r')

for line in file1:
   if line[0] == '>':
      print line.strip() #to capture the title line
   else:
      import re
      seq = line.strip()
      line = re.sub(r'T', r'P', seq)
      seq = line
      line = re.sub(r'A',r'T', seq)
      seq = line
      line = re.sub(r'G', r'R', seq)
      seq = line
      line = re.sub(r'C', r'G', seq)
      seq = line
      line = re.sub(r'P', r'A', seq)
      seq = line
      line = re.sub(r'R', r'C', seq)
      print line[::-1]

file1.close()

这行得通，但我知道有更好的方法来迭代该末端部分。有更好的解决方案吗？

Answer 1

我知道您认为这是自己的练习，但如果您有兴趣使用现有设施，请查看Biopython 包。特别是如果您要进行更多的序列工作。

这将允许您实例化一个序列，例如seq = Seq('GATTACA')。然后，seq.reverse_complement() 会给你反向补码。

请注意，反向互补不仅仅是字符串反转，核苷酸碱基也需要替换为它们的互补字母。

Answer 2

假设我没看错，下面的代码对你有用吗？您可以将所需的交换添加到字典中。

d = {'A':'T','C':'G','T':'A','G':'C'}

with open("seqs.fasta", 'r') as in_file:
    for line in in_file:
        if line != '\n': # skip empty lines
            line = line.strip() # Remove new line character (I'm working on windows)
            if line.startswith('>'):
                head = line
            else:
                print head
                print ''.join(d[nuc] for nuc in line[::-1])

输出：

>homo_sapiens
CAGTACGTACGTACGTACGTACGTACGTCAGTCAGTCAGTACGTCAGTCAGTCAGTCAGTACGTACGTCATGACGTACGT
ACTGACGT
>Canis_lupus
CATGACTGCATGCATGACGTCAGTACGTCAGTACTGCAGTCATGCATGCATGCATGCATGCAGTACTGACTGACGTCATG
ACTGCATGCATGCATGACTG
>Pan_troglodytus
ATGATGCATGCATGACTGACTGCATGACTGCAGTCATGATGCATGCATGCATGCATGCATGCATGATGCATGCATGCAGT
ATGCATG

Answer 3

这是一个字符串反转的简单示例。

Python 代码

string = raw_input("Enter a string:")
reverse_string = ""

print "our string is %s" % string
print "our range will be %s\n" % range(0,len(string))

for num in range(0,len(string)):

    offset = len(string) - 1
    reverse_string += string[offset - num]

    print "the num is currently: %d" % num
    print "the offset is currently: %d" % offset
    print "the index is currently: %d" % int(offset - num)
    print "the new string is currently: %s" % reverse_string
    print "-------------------------------"

    offset =- 1

print "\nOur reverse string is: %s" % reverse_string

添加了打印命令以显示脚本中发生的情况。

在 python 中运行它，看看会发生什么。

Answer 4

通常，要遍历文本文件中的行，您使用 for 循环，因为“open”返回一个可迭代的文件对象

>>> f = open('workfile', 'w')
>>> print f
<open file 'workfile', mode 'w' at 80a0960>

还有更多关于这个here

您还可以使用上下文管理器“with”打开文件。这个关键语句将为您关闭文件对象，因此您永远不会忘记它。

我决定不包含“for line in f:”语句，因为您必须阅读几行来处理一个序列（标题、序列和空行）。如果你尝试使用带有“readline()”的 for 循环，你最终会得到一个 ValueError（试试 :)

所以我会使用string.translate。此脚本会打开一个名为“test”的文件，其中包含您的示例：

import string

if __name__ == "__main__":

    file_name = "test"
    translator = string.maketrans("TAGCPR", "PTRGAC")
    with open(file_name, "r") as f:
        while True:
            title = f.readline().strip()
            if not title:  # end of file
                break
            rev_seq = f.readline().strip().translate(translator)[::-1]
            f.readline()  # blank line
            print(title)
            print(rev_seq)

输出（以你的例子）：

>homo_sapiens
RPGTPRGTPRGTPRGTPRGTPRGTPRGTRPGTRPGTRPGTPRGTRPGTRPGTRPGTRPGTPRGTPRGTRPTGPRGTPRGTPRTGPRGT
>Canis_lupus
RPTGPRTGRPTGRPTGPRGTRPGTPRGTRPGTPRTGRPGTRPTGRPTGRPTGRPTGRPTGRPGTPRTGPRTGPRGTRPTGPRTGRPTGRPTGRPTGPRTG
>Pan_troglodytus
PTGPTGRPTGRPTGPRTGPRTGRPTGPRTGRPGTRPTGPTGRPTGRPTGRPTGRPTGRPTGRPTGPTGRPTGRPTGRPGTPTGRPTG