从 FASTA 文件中提取基因序列？

Question

我有以下代码读取包含 10 个基因序列的 FASTA 文件并将每个序列作为矩阵返回。然而，代码似乎在最后一个序列中丢失了，我想知道为什么？file=open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r')line=file.readline()strings = []sequence=''while line:    #line=line.rstrip('\n')    line = line.strip() #empty () automatically strips the \n    if '>' in line:        if sequence != "":            strings.append(sequence)            sequence = ""        #sequence=line    else:        sequence+=line    line=file.readline()for s in strings:    print(s)Motifs = []for seq in strings:    Motifs.append(list(seq))#make every symbol into an element in the list separated by ,for s in Motifs:    print(s) ````

Answer 1

只有strings当您看到一个新的时才追加到，>但在最后一个序列之后没有。

这是一个重构，希望它也更加地道。

strings = []

sequence=''

with open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r') as file:

    for line in file:

        line = line.rstrip('\n')

        if line.startswith('>'):

            if sequence != "":

                strings.append(sequence)

            sequence = ""

        else:

            sequence+=line

    # After the last iteration, append once more if we have something to append

    if sequence:

        strings.append(sequence)

Answer 2

由于 FASTA 文件包含以下格式的数据：

>ID1

seq_1

>ID2

seq_2

...

根据您的代码，如果您的行>只包含一个，那么您尝试追加序列。这意味着，当您迭代 ID_2 时，您正在添加 ID_1 的序列。

要解决此问题，您可以执行以下操作：

for line in file:

    line = line.strip()

    if '>' in line: # Line 1

        line = file.readline().strip()

        # print(line)

        strings.append(line)

上面的示例使用了这样一个事实，即在 FASTA 文件中，序列直接出现在包含>字符的 ID 之后（您可以更改第 1 行，以便它只检查第一个字符, line[0] == ">"）。