Python：如何在 FASTA 文件中查找短序列的坐标？答案

【问题标题】：Python: How to find coordinates of short sequences in a FASTA file?Python：如何在 FASTA 文件中查找短序列的坐标？
【发布时间】：2015-05-21 02:55:00
【问题描述】：

我有一个短序列列表，我想在与包含原始序列的 fasta 文件进行比较后获取其坐标，或者换句话说，获取它的床文件。

快速文件：

>PGH2
CGTAGCGGCTGAGTGCGCGGATAGCGCGTA

短序列fasta文件：

>PGH2
CGGCTGAGT

有什么方法可以获取它的坐标吗？床具帮不上什么忙。

期望的输出：

PGH2  6 14

【问题讨论】：

标签： python python-2.7 bioinformatics biopython fasta

【解决方案1】：

使用BioPyton

from Bio import SeqIO

for long_sequence_record in SeqIO.parse(open('long_sequences.fasta'), 'fasta'):
    long_sequence = str(long_sequence_record.seq)

    for short_sequence_record in SeqIO.parse(open('short_sequences.fasta'), 'fasta'):
        short_sequence = str(short_sequence_record.seq)

        if short_sequence in long_sequence:
            start = long_sequence.index(short_sequence) + 1
            stop = start + len(short_sequence) - 1
            print short_sequence_record.id, start, stop

【讨论】：

【解决方案2】：

str1 = "CGTAGCGGCTGAGTGCGCGGATAGCGCGTA"
str2 = "CGGCTGAGT"
index = str1.index(str2)
print index

输出：index = 5, 得到 6,14 使用 index+1, index+len(str2)

【讨论】：

谢谢。供您参考，str1 和 str2 来自两个不同的文件，它们是带有序列 ID 的 fasta 文件。