Bioperl读fasta序列

Question

我发现，如果我的fasta文件以单行序列结尾，那么Bioperl返回的序列将有一个核苷酸缺失。如果fasta文件以新行结尾，则返回完整序列。不明白为什么？这是fasta文件以空的新行结尾的要求吗？

这是我使用的代码

my $obj    = $db->get_Seq_by_id($id);
my $seq    = $obj->seq; # returns 36 or 35 nucleotides depending if last new line exists 
my $length = $obj->length; # returns 36 or 35

fasta序列：

细胞骨架肌球蛋白mRNA (Nm) cytoskeletal

Answer 1

您应该检查fasta文件是否有偶数行：wc -l file.fasta。

对于fasta文件中的每一行，都必须有一个当前行字符的结尾：$。如果使用vi编辑器，请键入:set list以显示这些隐藏字符。或者，尝试：cat -A file.fasta查看行尾。

此外，要成为真正的fasta文件，您的头行应该以>字符开始。

也许这不是行的均匀度，而是文件中的最后一行是否包含换行符。如果是这样：

cat -A fasta.file | awk 'END { print substr ($0, length, 1) }'

不返回美元符号($)，那么您可能在使用fasta文件时出现问题。

要复制这个问题，您可以从'good‘(甚至内联) fasta文件中删除最后一个换行符，如下所示：

perl -i -pe 'chomp if eof' fasta.file

您可以在文件末尾添加一个换行符，如下所示：

perl -i -ne 'chomp; print "$_\n"' fasta.file