裁剪FASTA基因序列的字典文件定义区域

Question

非常新的Python和编码在一般情况下，所以请随意笑。我想使用以下格式的txt文件(dict)，第一列中有基因和序列的区域(起始位置、结束位置)

ORFB    21563 25384
ORF3a   25393 26220
ORF2a   26245 26472
ORF10   29558 29674
S   21563 25384
E   26245 26472

从Genbank (GENE.fasta.txt)读取一个FASTA文件，以便输出的是基因名，然后是每个基因的起始和终止之间的序列。以下是FASTA文件的开头

严重急性呼吸综合征冠状病毒2株武汉-Hu-1，全基因组

所以对于ORFB 21563 25384，我想选择并打印ORF3a 25393 26220的21563到25384之间的DNA代码，我想选择并打印25393到26220之间的DNA代码等等。

我试过以下几种方法。

以open('dict.txt')作为f: range= {ID：(int(start)，int( stop ))表示ID，start，stop in map(lambda : s.strip().split()，f)}

from Bio import SeqIO
with open ('GENE.fasta.txt') as handle:
    out = [r[slice(*ranges[r.id])] for r in SeqIO.parse(handle, 'fasta')]

with open('output.fasta', 'w') as handle:
    SeqIO.write(out, handle, 'fasta')

但是我一直收到KeyError：‘But 908947.3’谢谢！

Answer 1

您正在将映射应用于文件对象。你必须这样做：

with open('dict.txt') as f:
    ranges = {
        ID: (int(start), int(stop))
        for ID, start, stop
        in map(lambda line: line.strip().split(), f.readlines())
    }

readlines方法返回文件中的行列表。使用列表理解可能更易读：[line.strip().split() for line in f.readlines()]

希望我能帮上忙

Answer 2

显然in 908947.3不是你用第一步建立的ID

因此，当您尝试执行ranges[r.id]时，它不存在并引发错误。

也许你可以做些更像

with open ('GENE.fasta.txt') as handle:
    out = [r[slice(*ranges[r.id])] for r in SeqIO.parse(handle, 'fasta') if r.id in ranges]

这只会得到你在第一步确定的范围..。您可能没有正确地构建您的if，但是您的问题中没有足够的信息来断言任何其他信息，这也可能是它可能失败的原因(如果您认为in 908947.3在您的第一步中)。