利用python处理dna序列_科学网-简单的Python脚本提取对应位置基因序列（fasta文件）-王彬忠的博文...

最近，用Python脚本提取，在基因号已知，位置已知条件下，相对应位置的基因序列时发现，这样很简单但是很实用的脚本，在网上却比较难找。而且，能被找到的脚本，相对于具有初级编程能力的人而言，有点难。本人写了相对于初学者同样很简单脚本分享给大家。

首先，我将fa文件处理为单行（嫌麻烦，没有写成scaffold_x一行，序列一行的样子，如图三），将下面的序列处理（图一）：

（补充）经过：

import re

fr=open(r'F:desktopcorrelxxx.fa','r')

fw=open(r'F:desktopcorrelxxx_use.fa','w')

line=fr.read()

r=line.replace('n','')

s=re.sub('>','n>',r)

fw.write(s)

fr.close()

fw.close()

得到（图二）：

当然你如果不嫌麻烦也可以处理成（图三）：

假设我含有位置信息源文件（图四）：

第一列为基因号，最后一列为基因在fa文件中的位置信息；

本人采用图二的形式，具体脚本（脚本一）；

#author：Wang Binzhong

# -*- coding:utf-8 -*-

fr=open(r'F:desktopCX.txt','r')#读取含有位置信息的文件

fa=open(r'F:desktopxxxx.fa','r')#读取处理好的基因序列文件

fw_1=open(r'F:desktopfa_3.txt','w')#写入

line_cr=fr.readlines()

line_fa=fa.readlines()

for eachline in line_cr:

sp=eachline.strip().split('t')

title_1=eachline.find('scaffold')

start_1=eachline.find(':',title_1)+1

end_1=eachline.find('-',start_1)

d_1=eachline[title_1:start_1-1].strip()#scaffold名称

d_2=eachline[start_1:end_1].strip()#首位的位置

d_3=eachline[end_1+1:].strip()#末尾的位置

for each_seq in line_fa:

if d_1 == each_seq[:int(len(d_1))+5].strip('ATGC'):#如果对应的名称在行中，就可以用以下的规则写入文本

fw_1.write(sp[0]+'t'+each_seq[len(d_1)+int(d_2):len(d_1)+int(d_3)].strip()+'n')#改为：fw_1.write('>'+sp[0]+'n'+each_seq[len(d_1)+int(d_2):len(d_1)+int(d_3)].strip()+'n')可以省略第二步（脚本二），一步完成

break

fr.close()

fa.close()

fw_1.close()

表头没有'>',同时也没有换行处理，所以需要继续处理（图五）：

没有写连续的脚本，重新写了一个（脚本二）：

import re

fr=open(r'F:desktopfa_3.txt','r')

fw=open(r'F:desktopfa_4.fa','w')

line_fr=fr.readlines()

s_1=''

for eachline in line_fr:

s_1=re.sub('t','n',eachline)

fw.write(re.sub('pp','>pp',s_1))

fr.close()

fw.close()

最终得到：

程序比较简单，Python初学者都可以懂。当然，如果有错误的地方可以留言指出，

希望能为需要的同学提供帮助。这个程序只是针对于正链的

注：之前写的出现了一个bug，经过修改后发布成功提取序列，希望对各位有帮助，有用的话可以引用。

鉴于某些人盗版，转载请注明网址。

转载本文请联系原作者获取授权，同时请注明本文来自王彬忠科学网博客。

分享到:

利用python处理dna序列_科学网-简单的Python脚本提取对应位置基因序列（fasta文件）-王彬忠的博文...相关推荐

python 基因序列提取_科学网—简单的Python脚本提取对应位置基因序列（fasta文件） - 王彬忠的博文...
最近,用Python脚本提取,在基因号已知,位置已知条件下,相对应位置的基因序列时发现,这样很简单但是很实用的脚本,在网上却比较难找.而且,能被找到的脚本,相对于具有初级编程能力的人而言,有点难.本人 ...
如何用python做词云图_科学网—如何用Python做词云？（基础篇视频教程） - 王树义的博文...
只需要花10几分钟,跟着教程完整做一遍,你就能自己用Python做出词云了. <如何用Python做词云?>图文版发布于2017年6月,是我数据科学系列教程中的第一篇. 目前仅简书一个平台 ...
python序列_科学网—Python:序列(字符串、列表、元组)和序列函数 - 刘洋洋的博文...
Python中的序列,包括字符串(String).列表(List).元组(Tuple). 序列的索引通过索引(index)访问及获得的序列的一个或多个元素,也叫切片. 正序: 0 到 N-1 倒序: ...
python读取tiff影像_科学网—利用python GDAL库读写geotiff格式的遥感影像方法 - 张伟的博文...
(1)利用python GDAL库读写geotiff格式的遥感影像方法,具有很好的参考价值,不错! from osgeo import gdal import numpy as np def read ...
利用python处理dna序列_利用Python编程提取基因组基因序列
生物技术. DOI: 10.16660/j.cnki.1674-098X.2019.11.141 利用Python编程提取基因组基因序列 ① 庞雪原张婷婷 (东北农业大学生命科学学院黑龙江哈尔滨 ...
python 读grid 数据_科学网—Python_机器学习_总结14：Grid search - 李军的博文
机器学习中存在两类参数:通过训练数据学习得到的参数:---可认为是辨识得到的参数,例如模型系数: 在学习算法中单独需要优化的参数--超参.调优参数:---算法自身的系数,例如决策树的深度参数: Gri ...
python sklearn 梯度下降法_科学网—Python_机器学习_总结4：随机梯度下降算法 - 李军的博文...
=============================================================== 总结如下: 1.随机梯度下降算法可以看成是梯度下降算法的近似,但通常它能 ...
基于python的计算基因组_科学网—python3 计算基因组测序结果文件各碱基数目（个人练习） - 靳泽星的博文...
基因组测学回来的结果后,从assembly(组装)里找到序列文件,格式可能是:.fasta..fastq..seq.和.contig.fastq要转化为fasta,转化方法网上一大把哈.我的基因组序列 ...
python频次统计图_科学网—Python小例：统计文本中单词出现的频次 - 康建的博文...
import re zen=''' The Zen of Python, by Tim Peters Beautiful is better than ugly. Explicit is better ...
perl mysql 数据推拉_科学网—从MySQL数据库中提取序列并进行引物设计的perl脚本 - 闫双勇的博文...
利用MySQL数据库来储存序列,通过perl脚本获取序列,并进行引物设计.当然除了引物设计干其它事情也是可以的. 将FASTA文件导入MySQL数据库的方法: bp_seqfeature_load.p ...

利用python处理dna序列_科学网-简单的Python脚本提取对应位置基因序列（fasta文件）-王彬忠的博文...

利用python处理dna序列_科学网-简单的Python脚本提取对应位置基因序列（fasta文件）-王彬忠的博文...相关推荐

最新文章

热门文章