前言

我们知道通常一个基因会有多条转录本，有时候从ensemble或phytizome上下载的cds或pep文件并没有经过序列过滤
而过滤后的序列即仅包含最长转录本有利于我们进一步分析研究，省去后续分析的很多麻烦，例如统计基因数等等
因此，我们有必要对序列进行过滤

原始文件

那拟南芥为例，其转录本之间的区分是点号.

生成文件

脚本实现

此脚本适用于批量过滤序列，仅修改脚本中的路径，就可把路径中的fasta文件进行序列过滤
2.此脚本使用于用点号. 区分的序列，如果是其他符号区分如==下划线_==将脚本对应行修改为下划线即可

####仅适用于.区分的转录本
####仅适用于.区分的转录本
from pathlib import Pathp = Path("H:\\徐云峰数据\\CG农科院NP转运体项目\\序列信息\\最长转录本\\selected点")
def select_longest(seq_fa,longest_fa):#初始化空字典用于存放序列，字典的key是基因名，value存放转录本和序列#格式为>{gene1:[>gene1.1\nabd\n>gene1.2\neee\nerr\n....]}seq_dict = {}with open(seq_fa,'rt') as f1:for eachline in f1:  if eachline[0] == '>':gene_name = eachline[1:].split('.')[0]#更改此处.可以选其他符号区分的转录本if gene_name not in seq_dict.keys():seq_dict[gene_name] = eachline#此处不加strip(),方便用\n区别转录本和序列else:seq_dict[gene_name] += eachlineelif len(eachline.strip()) > 0:seq_dict[gene_name] += eachlinewith open(longest_fa,'wt') as f2:for i in seq_dict.keys():transcripts_list = seq_dict[i].split('>')[1:]#此处用切片去除列表的第一个空字符,得到列表 ['gene1\n12\n3456\n', 'gene2\n123\n45\n', 'gene3\n1234\n56789\n']seq_list= []for each in transcripts_list:each = each.split('\n')#单独提取序列seq = ''.join(each[1:])seq_list.append(seq)length = list(map(len,seq_list))index = length.index(max(length))f2.write(f'>{transcripts_list[index]}')def search_fa_longest():for file in p.iterdir():if file.suffix == '.fa':outfile = file.parent / (file.stem + '_longest.fa')select_longest(file,outfile)search_fa_longest()

批量文件实现效果如下：

利用Python解决生物问题-批量获取最长转录本相关推荐

利用Python解决生物问题：批量对应转录本-基因名
前言大部分分析我们需要明确转录本和基因的一一对应关系如果是如下这种规范格式的,那么这种对应关系是好找的如果是这样的呢?没有肉眼可见的关系, 准备文件 ensemble官网下载的pep序列文件实 ...
利用Python解决生物问题-获取反向互补序列
seq = input('请输入您要处理的序列(仅包含ATGC):') demand = 'ATGC' for each in seq:if each not in demand:print('您输入 ...
python 根据word生成ppt_未明学院：利用Python将Wordamp;PPT批量转成PDF
Python中的许多库,像一个个具有不同功能的"工具",能帮助我们解决工作中的不同问题,提高工作效率! 本期将继续为大家放松python中的实用技能,本期的主题是:利用Python ...
利用python识别身份证号后获取年龄和性别信息
利用python识别身份证号后获取年龄和性别信息 1. 实验目的利用python识别身份证号后,从身份证号中获取年龄和性别信息 2. 主代码 1. 身份证号码识别 # !/usr/bin/pytho ...
利用python解决Origin中十六进制和十进制整数转换的问题
利用python解决Origin中十六进制和十进制整数转换的问题 Origin是由OriginLab公司开发的一个科学绘图.数据分析软件,功能非常强大,可以画出各种漂亮的图像,而且还能进行数理统计/数 ...
利用Python解决最短路径问题
利用Python解决最短路径问题题意运行限制解题思路代码法一(基于最短路径长度递增): 法二(基于图论中的最短路径算法): 推荐练习题意一图由 2021 个结点组成,依次编号 1 至 2 ...
程序员如何利用 Python 解决女朋友不看天气的坏习惯？
作者 | 赵昱责编 | 郭芮在一个阴雨绵绵的早上,一切都是那么安静祥和.忽然之间,被电话打破了宁静,一看是女朋友的电话,就知道这个小家伙肯定又做了什么傻事......果不其然,16℃的雨天她居然穿 ...
利用Python解决豆瓣验证码，实现模拟登陆！
前言: 更为重要的一件事情是它是纯Python编程语言开发的!!! 所以咱们利用Python去搞定它的验证码实现模拟登陆,是有一定意义的哟! 实战: Python 3.6.5 解释器 pycharm ...
利用Python脚本给图片批量添加文字水印
引言:本人从小白自学python,为了测试基础学习效果,增加一定的促进,想通过参加全国计算机等级考试二级python来检验基础学习情况.在学习过程中,会将该过程编写的python小程序题目在此发表,希 ...

利用Python解决生物问题-批量获取最长转录本

前言

原始文件

生成文件

脚本实现

利用Python解决生物问题-批量获取最长转录本相关推荐

最新文章

热门文章