Python提取基因序列

真正重要的从来不是努力做什么，而是沉下心来，去做好一件事。要知道，一个人一生的时间和精力都非常有限，专注，有时候比努力重要100倍。

我们都很好，可惜时间不凑巧

会不会编程，就看会不会使用字典

练习1：fas文件序列提取：

# fas文件转换为字典dict();
def gene_to_dict(file):
    import os
    os.chdir("F:\\file")  
    seq_dict = {}
    name = ''
    seq=''

    for line in open(file,"r"):
        if line.startswith('>') and seq !='':
            seq_dict[name]=seq
            seq=''
        if line.startswith('>'):
            name=line[1:20]
        else:
            seq=seq+line.strip()
    print(seq_dict)

gene_to_dict('00.fas')      # file需要包含引号  gene_to_dict('00.fas')
·-----------------------
{'Zm00001d028804_T001': 'MLSGDIPPSQTIYLNNLNEPMAISYAKK', }


# 改进版本——提取基因蛋白序列（以玉米V4版本基因为例；[:15] 提取第一个转录本；[:20]提取全部转录本]）
import os
os.chdir("F:\\file")  

seq_dict = {}
name = ''
seq=''

file2 = open(r"name.fas","r")      # 输入基因name
file3 = open(r"out.fas","w")     # 输出文件

for line in open(r'Zea_mays.AGPv4.pep.all.fas',"r"):   #玉米V4蛋白数据库文件；
    if line.startswith('>') and seq !='':
        seq_dict[name]=seq
        seq=''
    if line.startswith('>'):
        name=line[0:20]   ## 提取玉米V4版本基因 不同转录本[0:20]； 提取第一个基因 [0:15]
    else:
        seq=seq+line.strip()   
#print(seq_dict,type(seq_dict))

# seq_dict为dict;
n=0
for line in file2:
    line2=line.strip()
    n+=1
    for key,value in seq_dict.items():
        if line2 in key and line2 !='':
            print(key,value)
            file3.write(key+'\n')
            file3.write(value+'\n')
print(n)
print('序列提取完毕！')
file2.close()
file3.close()
-------------------------------
>Zm00001d033955_T001
MAAASSAAPARHSCAKLSVPVEDPKAVTAGGGTVFVKATWLPSRFSLAVTDGAGAWVADASDHEVRLRAEQWDQPVADYIALAERYLAFQQPGSTYSFHDAGKGQRRLAWTFERQGTKLEWRWKLQPSPNTQQTISEILDFLMDANIRLSEEVVRKTQSFDKLKQEAEKCLQQSERFNNEKAEFEQAAFSKFVAVLNSKKAKLRQLRDKVVELEPAVKPPKEEAGQEQEEEEENSTDRTELFEGENDKEASAKDEHSGETGSGNVPSSPGESAATSRGRGRGRGRKKARR

总结：
1. if ... in ...: 结构可以用来提取基因不同的转录本（全部还是取还是取第一个；）
2. 缺点：最后一个基因无法转换为dict;(在库文件最后一行加上一个  >  ;完美解决转换问题)