使用BioPython修剪fasta文件

Question

我有一个包含多个序列的fasta文件。有些序列跟在“-”后面，我想从最后的序列中剪短它们。有没有一种干净的方法来修剪它们并使用Biopython编写一个没有破折号的新fasta文件？

我看到了这个帖子How to remove all-N sequence entries from fasta file(s)，并试图修改一些代码，但它没有工作.

包含如下序列的文件：

sequence_of_interest

def dash_removal(file_in, file_out):
    records = SeqIO.parse(file_in, 'fasta')
    filtered = (rec for rec in records if any(ch != '-' for ch in rec.seq))
    SeqIO.write(filtered, file_out, 'fasta')
    dash_removal("dash_removal_test.fasta", "dashes_gone?.fasta")

所有的序列最终都应该修剪成如下所示：

sequence_of_interest

任何帮助都将不胜感激！

Answer 1

使用sed的所有选项都是很棒的，因为它们更快，但是这里有一种在BioPython中这样做的方法。

其思想是对每个记录的rstrip属性使用seq。rstrip可以用于序列，就像在Python中的任何其他字符串上一样。

from Bio import SeqIO
import io

seq = """>sequence_of_interest
CAGGCCATTTCACCTAGAACTTTAAATGCATGGGTAAAAGTAGTAGAAGAGAAGGCTTTTAGCCCAGAAGTAATACCCAT
GTTTTCAGCATTATCAGAAGGAGCCACCCCACAAGATTTAAACACCATGCTAAACACAGTGGGGGGACATCAAGCAGCAA
TGCAAATGTTAAAAGAGACCATCAATGAGGAAGCTGCAGAATGGGATAGATTGCATCCAGTGCACGCAGGGCCTATTGCA
CCAGGCCAGATGAGAGAA--------------------------------------------------------------"""

f = io.StringIO(seq) # replace it with f = open('my_fasta.fa', 'r')
clean_records = []
for record in SeqIO.parse(f, "fasta"):
    record.seq = record.seq.rstrip('-')
    clean_records.append(record)

with open('clean_fasta.fa', 'w') as f:
    SeqIO.write(clean_records, f, 'fasta')