命令我可以用来区分假设的蛋白质和一组蛋白质？

Question

我在fasta中有5000条蛋白质序列，其中有假想的蛋白质和功能蛋白，我怎样才能把假想的蛋白质和推测的蛋白质区分开来。假设的蛋白质在标题中有假设这个词，所以我希望我能用一些命令来区分它们。有谁知道python或linux命令来做到这一点吗？像这样的事情

KSADKKSNPTQ，2257-1421 ()蛋白质KSGRRATTRSVSGIDQDVKLNRALWTLAQELRGHLTTA，3593-2535 ()核酸en9 en8 11 en33#，4624-3506 ()

我希望有两个文件，其中一个包含

( PSPTOA )的假想蛋白和其他含有其他蛋白质序列的PSPTOA

Answer 1

Biopython有一个FASTA解析器，应该能够执行您想做的事情。获取和使用它的说明在http://biopython.org/DIST/docs/tutorial/Tutorial.html#htoc11上。

在http://www.petercollingridge.co.uk/python-bioinformatics-tools/fasta-parser中，有一个简单的Python脚本，用于读取FASTA文件并将其转换为以头行(以>开头)作为键的字典。我在你们的例子中没有看到这些。您的文件中的标题与序列内容有何区别？

https://gamma2.wordpress.com/2014/01/03/reading-a-fasta-file-with-python/为编写上面提到的相同类型的脚本提供了逐步的指导。将包含“假设蛋白质”的头文件的筛选添加到任何一个文件中都很容易，跳过散列，只需将header+sequence输出写入两个不同的文件，取决于头文件是否匹配。

使用Ruby，bioruby类Bio::Sequence::Common和Bio::FastaFormat具有很好的功能。第一种是混合toFasta方法，用于以FASTA格式编写Bio::Sequence对象。第二个方法可以读取as：：Sequence对象中的FASTA文件，并有7个与FASTA头(定义行)相关的方法和6个用于序列的方法。请参阅http://bioruby.open-bio.org/rdoc/Bio/Sequence/Common.html和http://bioruby.open-bio.org/rdoc/Bio/FastaFormat.html的示例程序，它们都是从format.3F开始的。

Answer 2

@我希望这个amy帮助，提取没有假设蛋白质的序列，如果有任何建议，请回答，您可以从这些链接https://bioinformatics.stackexchange.com/questions/16378/remove-from-multi-fasta-by-sequence-id https://python.omics.wiki/biopython/examples/read-fasta https://bioinformatics.stackexchange.com/questions/3931/remove-delete-sequences-by-id-from-multifasta或搜索关键字删除/删除序列从https://answerbun.com/上的多快门。

from Bio import SeqIO
    import re
    import sys
    
    sequences = SeqIO.parse('input.fasta', 'fasta')
    filtered = [seq for seq in sequences if 'hypothetical protein' not in seq.description]

with open('output.fasta', 'wt') as output:
    SeqIO.write(filtered, output, 'fasta')

Answer 3

为了只提取假设的蛋白质，请使用下面的代码

from Bio import SeqIO
import re #regular expression optional
import sys # command-line arguments to passed the script optional

sequences = SeqIO.parse('input.fasta', 'fasta')
filtered1 = [seq for seq in sequences if 'hypothetical protein' in seq.description]

with open('hypothetical.fasta', 'wt') as hypothetical:
    SeqIO.write(filtered1, hypothetical, 'fasta')