使用Python脚本读取fasta文件
读取FASTA文件
使用pip下载biopython
pip.exe install biopython
import sys
from Bio import SeqIO
sys.path #检查模块安装路径
SeqIO是BIo包的子包，一般py结尾的为模块。
sys.path 检查模块安装路径
from Bio.SeqRecord import SeqRecord
from Bio.Seq import Seq
加载对应的包。
SeqIO 读取序列文件
方式一 使用parse读取然后使用for循环迭代
SeqIO.parse("基因课Python学习/Python20201122/data/fasta_example_data/small_ls_orchid.fasta", "fasta")
sri = SeqIO.parse("基因课Python学习/Python20201122/data/fasta_example_data/small_ls_orchid.fasta", "fasta")
type(sri)
next(sri)
for sr in sri:
print(sr.seq)
#此方式相当于列表，不好抓取。
方式二：index 建议用index 信息为键 SeqRecord为值的字典。
fn = "基因课Python学习/Python20201122/data/fasta_example_data/small_ls_orchid.fasta"
def get_acc(old_key):
infos = old_key.split('|')
new_key = infos[3]
# 断言，鲁棒性
assert len(infos)==5 and infos[0]=='gi' and infos[2] ='emb'
return new_key
seq_index = SeqIO.index(fn,'fasta',key_function=get_acc)
list(seq_index.keys())
list(seq_index.values())
SeqRecord
seq_index['Z78533.1']
Seq
my_str = 'AATCCGGAGGACCGGTGTACTCAGCTCA'
my_str.upper()
my_str.lower()
my_str[1:20:2]
my_str[::2]
my_str[::-1] #反向
my_seq =Seq( 'AATCCGGAGGACCGGTGTACTCAGCTCA')
my_seq.count('G') #记数
my_seq.upper() #全体大写
my_seq.complement() # 互补
my_seq.reverse_complement() #反向互补
#Seq对象里面存的是序列，Seqrecord不仅存了序列还存了序列的id等信息
coding_dna =Seq("AATCCGGAGGACCGGTGTACTCAGCTC")
coding_dna.transcribe() #转录
coding_dna.translate() #翻译
coding_dna.translate(to_stop=True)
coding_dna.translate(table=2) #挑选密码子表。
str(seq_index['id'].seq)
#提取碱基序列，并转换为字符串模式。其中name,id,seq,都可提取。
小结
此篇文章针对上一篇计算测序文件N50,来解决实际问题，我们得到的数据一般是fasta文件，往往需要进行初步处理，才能得到之前博文里面的准备数据，即染色体长度数据，所以对fasta文件提取工作显得十分重要，本文主要采用了Biopython来进行一系列操作，通常使用的是seq_index = SeqIO.index(fn,‘fasta’,key_function=get_acc)，因为其抓取出来是字典模式，方便后面切片筛选，同时seq函数能够对序列进行大小写转换，计数序列里面的碱基，进行互补，反向互补，翻译，转录，等操作，大大提高了序列的可操作性。最近事情挺多的能坚持下来感觉自己还是挺厉害，虽然自己感觉还是没有学透，但是自己慢慢在积累，我觉得就已经很不错了。加油！
最后再来点鸡汤，不然文字过少，系统给我认定文章内容不佳，真是太难了。世上没有不平的事，只有不平的心。不去怨，不去恨，淡然一切，往事如烟。有多少残酷，你就该有多少坚强；有多少努力，你就会有多少光芒。没有太晚的开始,不如就从今天行动。总有一天,那个一点一点可见的未来,会在你心里,也在你的脚下慢慢清透。生活,从不亏待每一个努力向上的人。