使用 BioPython 修剪 fasta 文件答案

【问题标题】：Trim fasta files using BioPython使用 BioPython 修剪 fasta 文件
【发布时间】：2018-08-02 05:38:42
【问题描述】：

我有一个包含多个序列的 fasta 文件。一些序列以'-'结尾，我想从最终序列中修剪它们。有没有一种干净的方法来修剪它们并使用 Biopython 编写一个没有破折号的新 fasta 文件？

我看到这个帖子How to remove all-N sequence entries from fasta file(s) 并尝试修改一些代码但它没有工作......

包含如下序列的文件：

sequence_of_interest CAGGCCATTTCACCTAGAACTTTAAATGCATGGGTAAAAGTAGTAGAAGAGAAGGCTTTTAGCCCAGAAGTAATACCCATGTTTTCAGCATTATCAGAAGGAGCCACCCCACAAGATTTAAACACCATGCTAAACAACAGTGGGGGGACATCAAGCAAGCAATGCAAATGTTAAAAGAGACCATCAATGAGGAAGCTGCAGAATGGGATAGATTGCATCCAGTGCACGCAGGGCCTATTGCACCAGGCCAGATGAGAGAA----------------------------------------------------------------- --------------

def dash_removal(file_in, file_out):
    records = SeqIO.parse(file_in, 'fasta')
    filtered = (rec for rec in records if any(ch != '-' for ch in rec.seq))
    SeqIO.write(filtered, file_out, 'fasta')
    dash_removal("dash_removal_test.fasta", "dashes_gone?.fasta")

所有的序列最终都应该被修剪成这样：

sequence_of_interest CAGGCCATTTCACCTAGAACTTTAAATGCATGGGTAAAAGTAGTAGAAGAGAAGGCTTTTAGCCCAGAAGTAATACCCATGTTTTCAGCATTATCAGAAGGAGCCACCCCACAAGATTTAAACACCATGCTAAACAACAGTGGGGGGACATCAAGCAAGCAATGCAAATGTTAAAAGAGACCATCAATGAGGAAGCTGCAGAATGGGATAGATTGCATCCAGTGCACGCAGGGCCTATTGCACCAGGCCAGATGAGAGAA

任何帮助将不胜感激！

【问题讨论】：

sed -i~ 's/-*$//' *.fasta 将简单地从所有行中删除所有尾随破折号，这就足够了吗？
嘿。我读了标题，并认为这是“更快地修剪文件”的俚语
似乎奏效了！谢谢！
如果我想在 python 中运行它，我将如何修改它？

标签： python-3.x trim biopython fasta

【解决方案1】：

使用sed 的所有选项都很棒，因为它们更快，但这是BioPython 中的一种方法。

这个想法是在每条记录的seq 属性上使用rstrip。 rstrip 可以用于序列，就像 Python 中的任何其他字符串一样。

from Bio import SeqIO
import io

seq = """>sequence_of_interest
CAGGCCATTTCACCTAGAACTTTAAATGCATGGGTAAAAGTAGTAGAAGAGAAGGCTTTTAGCCCAGAAGTAATACCCAT
GTTTTCAGCATTATCAGAAGGAGCCACCCCACAAGATTTAAACACCATGCTAAACACAGTGGGGGGACATCAAGCAGCAA
TGCAAATGTTAAAAGAGACCATCAATGAGGAAGCTGCAGAATGGGATAGATTGCATCCAGTGCACGCAGGGCCTATTGCA
CCAGGCCAGATGAGAGAA--------------------------------------------------------------"""

f = io.StringIO(seq) # replace it with f = open('my_fasta.fa', 'r')
clean_records = []
for record in SeqIO.parse(f, "fasta"):
    record.seq = record.seq.rstrip('-')
    clean_records.append(record)

with open('clean_fasta.fa', 'w') as f:
    SeqIO.write(clean_records, f, 'fasta')

【讨论】：