Python错误: OSError:打开文件`all_fprau.fasta`时出错。Fasta文件太大了吗？

Question

我有一个脚本，通过csv文件和fasta文件搜索，在这两个文件中的任何ID都将用于从fasta文件中提取fasta序列。它看起来是这样的：

import os
import shlex
import subprocess
import argparse
import glob
import pysam

from pysam import FastaFile

#setup options for this program
parser = argparse.ArgumentParser()
group = parser.add_argument_group('Options for annotation.py')
group.add_argument(
    '-f', '--fasta', help='FASTA file (RAST). all_fprau.fasta', required=True)
group.add_argument(
    '-c', '--csv', help='CSV file (parsed orthomcl groups). parsed_groups.csv',
required=True)
args = parser.parse_args()


fasta = FastaFile(args.fasta)

with open(args.csv) as infile:
    infile.readline()  ## skip header

    for index, line in enumerate(infile):
        strain, matches = line.strip().split("\t")
        if not len(matches):
            print('Warning: Skipping strain {}. No     matches'.format(strain))
        continue
    matches = set(matches.split(','))  # remove duplicates

    key = '{}.faa'.format(strain)
    with open(key, 'w') as out_file:
        for match in matches:
            name = 'fig|{}'.format(match)
            try:
                sequence = fasta[name]
            except KeyError:
                print('Sequence absent in FASTA file {0}: {1}'.format(args.fasta, name))
                continue
            out_file.write(">{0}\n{1}\n".format(name, sequence))

然而，我在运行这个脚本时遇到了问题。我得到了这个错误：

File "pysam/libcfaidx.pyx", line 123, in pysam.libcfaidx.FastaFile.__cinit__
File "pysam/libcfaidx.pyx", line 183, in pysam.libcfaidx.FastaFile._open
OSError: error when opening file `all_fprau.fasta`

fasta文件all_fprau.fasta包含大量序列，我认为这可能是问题所在？当我减少文件的大小，脚本工作，但是我需要所有的序列是可用的，在这个管道中的下一步工作。我试着使用：

fasta = glob.glob("/home/brian/my_orthomcl_dir/annotations/*.fasta") 

代替

fasta = FastaFile(args.fasta)

在尝试逐个搜索fasta文件时，我得到了错误：TypeError: list indices must be integers or slices, not str，与上面脚本中的第38行相关：

sequence = fasta[name]

如有任何帮助或建议，我们将不胜感激！

Answer 1

尝试制作自己的解决方案来格式化和提取生物信息数据，以应对挑战，这很好，但通常以前就已经做过了，所以可以省去麻烦。您可以使用Jim Kent的faSomeRecords (找到here)或一些令人困惑的一行代码，如：cut -c 2- EXAMPLE.TXT | xargs -n 1 samtools faidx EXAMPLE.FA，但它仍然需要samtools。另外，如果您还不知道还有一种SO for bioinformatics，但也有SO bioinformatics。