Нарезка файла fasta

На питоне 2.x:

import itertools
with open('path/to/file') as infile:
    for seq1, seq2, seq3 in itertools.izip(infile, infile, infile):
        do_something(seq1, seq2, seq3)

Причина, по которой я использую itertools.izip вместо обычного zip, заключается в том, что в python 2.x zip возвращает список, который вы затем перебираете. itertools.izip, с другой стороны, перебирает соответствующие элементы, не создавая список в первую очередь. Это экономит использование памяти, а также время, необходимое для выделения памяти и создания списка.

В python 3.x встроенный zip работает точно так же, как itertools.izip в python 2.x (чтобы получить функциональность zip python 2.x в python 3.x, вам нужно сделать L = list(zip(…))):

with open('path/to/file') as infile:
    for seq1, seq2, seq3 in zip(infile, infile, infile):
        do_something(seq1, seq2, seq3)

Надеюсь это поможет

Вы можете сделать что-то вроде этого:

import itertools

with open('/tmp/lines.txt', 'rU') as fasta:
    data=itertools.izip_longest(*[fasta]*3)

Преимущество этого заключается в доставке всех строк, даже если количество строк не может быть кратным 3. Остаток последнего кортежа (0, 1 или 2 последнего кортежа) заполняется None. Вы хотели бы, чтобы something() предвидел это.

Или, если вы хотите расшириться до трех переменных:

with open('/tmp/lines.txt', 'rU') as fasta:
    for a,b,c in itertools.izip_longest(*[fasta]*3):
        something(a,b,c)

Обратите внимание, что, поскольку izip_longest завершает кортежи, если количество строк в файле не является целым числом, кратным 3 с None, вы можете иметь c или b, c как None. Просто проверьте это или выбросьте последний кортеж, если он неполный.

Если вы знаете, что не будете использовать последний кортеж, если он неполный, используйте это:

with open('/tmp/lines.txt', 'rU') as fasta:
    for a,b,c in itertools.izip(*[fasta]*3):
        something(a,b,c)

Я думаю, что лучший способ работы с последовательностями fasta в python — всегда использовать Biopython. Сначала может быть немного сложно, но это того стоит.

Прежде всего, вы должны установить biopython. Просто введите в свой терминал:

sudo apt-get install python-biopython

Теперь у вас есть невероятный парсер fasta на python!

>>> from Bio import SeqIO

Таким образом, теперь вы можете перебирать записи (последовательности) и независимо извлекать их идентификатор, описание, последовательность, алфавит, получать обратное дополнение и т. д.

with open("your_fasta_file.fasta", "r") as infh:
    parser = SeqIO.parse(infh, "fasta")

Теперь у вас есть «парсер» вашего файла fasta, который представляет собой итератор, который вы можете использовать в цикле:

for sequence in parser:
    do stuff with sequence.id 
    do stuff with str(sequence.seq) # See below why str(seq)
    do stuff with sequence.description

Для записи вида «>gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S ген рРНК и ITS1 и ITS2»

sequence.id --> будет что-то вроде "gi|2765658|emb|Z78533.1|"

sequence.description --> будет полным заголовком ">gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S рРНК гена и ITS1 и ITS2"

sequence.seq --> будет последовательностью. Вы должны быть осторожны в этот момент, потому что sequence.seq возвращает объект Seq: Seq('AGCTAGTAGCTG... ATGAC', Alphabet())

Если вы хотите использовать последовательность как обычную строку, просто используйте:

str(Seq_object)