从 fasta 中提取多个序列但名称不同答案

【问题标题】：Extract multiple sequences from fasta but with different name从 fasta 中提取多个序列但名称不同
【发布时间】：2014-02-01 08:25:21
【问题描述】：

我正在尝试根据 ID 列表从 fasta 文件中提取序列子集，到目前为止一切顺利。我的问题是我的 ID 列表包含额外的第二列（代表序列的编码部分），我想将其保留在新的 fasta 文件中

File 1: Id list
>TCONS_00000004  654:819
>TCONS_00000006  238:367
>TCONS_00000009  956:1555

File 2: fasta file
>TCONS_00000004
AAAATAATAAACTTTGCAAAGAGCAAATTTGAAGAAGCAGTTGATATACGTCGAGAGATTTCTGCAACAG 
CGCGATTATATTACATTCAATTAATTAAAATGCAGTACAGAGACATCCACGATTTCGTCAACATACCAGG
>TCONS_00000006
AAAATAATAAACTTTGCAAAGAGCAAATTTGAAGAAGCAGTTGATATACGTCGAGAGATTTCTGCAACAG 
CGCGATTATATTACATTCAATTAATTAAAATGCAGTACAGAGACATCCACGATTTCGTCAACATACCAGG
>TCONS_00000009
AAAATAATAAACTTTGCAAAGAGCAAATTTGAAGAAGCAGTTGATATACGTCGAGAGATTTCTGCAACAG 
CGCGATTATATTACATTCAATTAATTAAAATGCAGTACAGAGACATCCACGATTTCGTCAACATACCAGG

Expected outcome:
 >TCONS_00000004 654:819
AAAATAATAAACTTTGCAAAGAGCAAATTTGAAGAAGCAGTTGATATACGTCGAGAGATTTCTGCAACAG 
CGCGATTATATTACATTCAATTAATTAAAATGCAGTACAGAGACATCCACGATTTCGTCAACATACCAGG
>TCONS_00000006 238:367
AAAATAATAAACTTTGCAAAGAGCAAATTTGAAGAAGCAGTTGATATACGTCGAGAGATTTCTGCAACAG 
CGCGATTATATTACATTCAATTAATTAAAATGCAGTACAGAGACATCCACGATTTCGTCAACATACCAGG
>TCONS_00000009 956:1555
AAAATAATAAACTTTGCAAAGAGCAAATTTGAAGAAGCAGTTGATATACGTCGAGAGATTTCTGCAACAG 
CGCGATTATATTACATTCAATTAATTAAAATGCAGTACAGAGACATCCACGATTTCGTCAACATACCAGG

我尝试使用以下 biopython 命令，但它只会从 file2 中提取而没有我需要的其他数字。

from Bio import SeqIO
id = []
for line in open("test.txt","r"):
    id.append(line.rstrip().strip('\t'))
for rec in SeqIO.parse("mymodified_transcript.fa","fasta"):
    if rec.id in id:
        print rec.format("fasta")

如何保留额外的数字并从 file2 中提取序列？或者将文件2中的名称替换为文件1中的名称？感谢您的帮助

【问题讨论】：

标签： python biopython

【解决方案1】：

我得到了解决方案。它在我的 Ubuntu 中运行良好。请试试这个:)

from Bio import SeqIO
temp = {}
for line in open("test.txt","r"):
    i, c = line.strip().split()
    temp[i] = c

for rec in SeqIO.parse("mymodified_transcript.fa","fasta"):
    if str('>'+rec.id) in temp.keys():
        print str('>'+rec.id), temp['>'+rec.id]
        print str(rec.seq)

【讨论】：

请不要使用 id，因为这确实令人困惑，而且不是一个好习惯，因为您正在使用 rec.id 并与名为 id 的同名列表/字典进行比较。此外，当您使用 list/dict 时，在比较的情况下，您会不知不觉地错过开始的 '>'。希望解决方案有所帮助！
太棒了。我真的很高兴它奏效了。请接受这将是我在这个星期五晚上最大的礼物的答案:) 干杯！
帮了很多忙，感谢您的建议，总是很高兴有一些，因为我刚刚开始使用 biopython，再次感谢
不用担心。在过去一年左右的时间里，我没有使用 BioPython，但花了几年时间使用它，确实是一个很棒的库！没问题，伙计。干杯！

【解决方案2】：

为什么不使用字典而不是列表来进行 id 查找？例如

from Bio import SeqIO
id = {}
for line in open("test.txt","r"):
    i, c = line.strip().split()
    id[i] = c
for rec in SeqIO.parse("mymodified_transcript.fa","fasta"):
    if rec.id in id:
        print rec.id, id[rec.id]
        print rec.format("fasta")

【讨论】：

这是个好主意，我之前尝试过，但它也不起作用，我什么也没得到！
text.txt 包含什么？如果你提到 id 列表的文件名会发生什么？
text.txt是id为list的文件
文件是只包含一列还是两者都包含？如果两者都是，那么代码第 6 行中的 id 是如何匹配的？
我写的代码只有在我删除第二列时才有效（是的，我的文件包含两列）我不知道该怎么做！