私はFASTA配列を含む大きなファイル（1つのヘッダおよびヘッダ以下の配列の1本のライン）とラインとの間に他のランダムジャンクと未組織間隔で読みたいだけFASTA配列パイソン

Question

を引き抜きます。

それぞれの行を読み込み、行が ">"記号で始まる場合（これは、fastaシーケンスヘッダーの開始方法です）、そのヘッダーをシーケンスとなる次の行と共に引き出します。

私は示すための小さな例のデータファイルを持っている：私のコード

> 1 
GCTAGCGCCACCatgactcccgcatttatcttgtgcatgctctt 
>2 
GCTAGCACCATGGAGACAGACACACTCCTGCTATGGGTACTGCTGCTCTG 
>3 
GCTAGCACCATGGAGACAGACACACTCCTGCTATG 


Task 2: Subclone the synthesized 

junk 

junk 

>4 
GCTAGCACCATGGAGACAGAC 

を：

f=open("File.fasta", "r") 
fastaseq = open("OnlyFastaseq.fasta", "w") 

for line in f: 
    line = line.strip('\n') 
    if line.startswith(">"): 
     title = line.rstrip() 
     seq = f.readline() 
     seq = seq.rstrip() 
     fastaseq.write(title+"\n"+seq+"\n") 

所望の出力：

> 1 
GCTAGCGCCACCatgactcccgcatttatcttgtgcatgctctt 
>2 
GCTAGCACCATGGAGACAGACACACTCCTGCTATGGGTACTGCTGCTCTG 
>3 
GCTAGCACCATGGAGACAGACACACTCCTGCTATG 
>4 
GCTAGCACCATGGAGACAGAC 

結果は、ヘッダのほとんどが含まれています+シーケンス、 '> 3'シーケンス以外はは、次の行（シーケンス）を引き出しませんでした。

> 1 
GCTAGCGCCACCatgactcccgcatttatcttgtgcatgctctt 
>2 
GCTAGCACCATGGAGACAGACACACTCCTGCTATGGGTACTGCTGCTCTG 
>3 
>4 
GCTAGCACCATGGAGACAGAC 

あなたが入力を反復処理し、その行を書く >で始まる行と入力ファイルからの next、例えば発見することにより、これらを除外でき

Answer 1

：

with open('File.fasta') as fin, open('OnlyFastaseq.fasta', 'w') as fout: 
    for line in fin: 
     if line.startswith('>'): 
      fout.write(line) 
      fout.write(next(fin)) 

Answer 2

あなたがしたいことを試してみてくださいBioPython。それは確かに 'オープン'といくつかの解析で行うことができますが、BioPythonには他の多くの機能があります。 1つのシーケンスを一度に読むには、使用することができます。

from Bio import SeqIO 
fastaFile = "foo.fasta" 
handle = open(fastaFile,"r") 
for record in SeqIO.parse(handle,"fasta"): 
    print record.id 
handle.close() 

詳細については、SeqIO docsを参照してください。

Answer 3

次のコードは、所望の出力を与えます。 >で始まるヘッダーと有効なシーケンス、つまりATGCのみを出力します。