连接多个.fasta文件

Question

我正在尝试将成百上千个.fasta文件连接成一个包含所有序列的大型fasta文件。我还没有在论坛中找到一个具体的方法来实现这一点。我确实遇到了来自http://zientzilaria.heroku.com/blog/2007/10/29/merging-single-or-multiple-sequence-fasta-files的这段代码，我对它进行了一些调整。

Fasta.py包含以下代码：

class fasta:
    def __init__(self, name, sequence):
        self.name = name
        self.sequence = sequence

def read_fasta(file):
    items = []
    index = 0
    for line in file:
        if line.startswith(">"):
           if index >= 1:
               items.append(aninstance)
           index+=1
           name = line[:-1]
           seq = ''
           aninstance = fasta(name, seq)
        else:
           seq += line[:-1]
           aninstance = fasta(name, seq)

    items.append(aninstance)
    return items

下面是用于连接.fasta文件的改编脚本：

import sys
import glob
import fasta

#obtain directory containing single fasta files for query
filepattern = input('Filename pattern to match: ')

#obtain output directory
outfile = input('Filename of output file: ')

#create new output file
output = open(outfile, 'w')

#initialize lists
names = []
seqs = []

#glob.glob returns a list of files that match the pattern
for file in glob.glob(filepattern):

    print ("file: " + file)

    #we read the contents and an instance of the class is returned
    contents = fasta.read_fasta(open(file).readlines())

    #a file can contain more than one sequence so we read them in a loop
    for item in contents:
        names.append(item.name)
        seqs.append(item.sequence)

#we print the output
for i in range(len(names)):
    output.write(names[i] + '\n' + seqs[i] + '\n\n')

output.close()
print("done")

它能够读取fasta文件，但新创建的输出文件不包含序列。我收到的错误是由于fasta.py引起的，这超出了我的能力范围：

Traceback (most recent call last):
  File "C:\Python32\myfiles\test\3\Fasta_Concatenate.py", line 28, in <module>
    contents = fasta.read_fasta(open(file).readlines())
  File "C:\Python32\lib\fasta.py", line 18, in read_fasta
    seq += line[:-1]
UnboundLocalError: local variable 'seq' referenced before assignment

有什么建议吗？谢谢!

Answer 1

我认为使用python来完成这项工作有点过头了。在命令行上，使用.fasta或.fa扩展名连接单个/多个fasta文件的快速方法是：

cat *.fa* > newfile.txt

Answer 2

问题出在fasta.py

else:
       seq += line[:-1]
       aninstance = fasta(name, seq)

在read_fasta(file)开始之前尝试初始化seq。

编辑:更多说明

当您第一次调用read_fasta时，文件中的第一行不是以>开头的，因此您将第一行附加到尚未初始化(甚至没有声明)的字符串seq中:您将一个字符串(第一行)附加到一个空值。堆栈中存在的错误解释了问题：

UnboundLocalError: local variable 'seq' referenced before assignment

Answer 3

不是python程序员，但问题代码似乎试图将每个序列的数据压缩到一行中，并用空行分隔序列。

  >seq1
  00000000
  11111111
  >seq2
  22222222
  33333333

会变成

  >seq1
  0000000011111111

  >seq2
  2222222233333333

如果确实需要这样做，那么上面基于cat的解决方案将无法工作。除此之外，cat是最简单、最有效的解决方案。