如何在python中读取fasta文件(多条记录)(不允许生物操作)

Question

我刚刚开始用python编程。我完全被困在下面的事情上了。我有一个包含多个蛋白质序列的fasta文件。不同的蛋白质以files '>‘>开头，就像在所有fasta文件中一样.我需要这些蛋白质在一个文件中，exact.So，我不能只分裂文件。但我想过滤掉所有不是蛋白质序列的东西。

因此，如果我有这样一个文件(它是一个大型文件的一部分)：

>gi|636665534|ref|YP_009028572.1| Asp [Human immunodeficiency virus 1]
MPQTVSCNRCCCASIALSKLFCC
CTIPDNNCLACTVSVIEAAPI
>gi|28872817|ref|NP_057852.2| Vpr [Human immunodeficiency virus 1]
MEQAPEDQGPQ
REPHNEWTLELLEELKNEAVR
HFPRIWLHG

我只想把这些序列像这样粘贴起来：

我只能过滤掉第一个而不是其他的。或者我只能读到第一个序列。我需要为学校阅读这些fasta文件，并使用matplotlib制作图表。只是我一直在读fasta文件部分。

我想我可以做个这样的代码

items = []
for line in file:
    if line.startswith('>'):
        read = file.readline()
        items.append(read)

但我注意到在蛋白质序列之间有\n。所以这不管用..。

就像我说的，我刚开始，如果你能用最简单(不一定是最好的)方式回答。因此，在类似的开头python语言:)

Answer 1

with open("file.fasta") as infile, open("output.txt", 'w') as outfile:
    for line in infile:
        if line.startswith(">"): continue
        outfile.write(line.strip())