从FASTA文件中提取基因序列？

Question

我有以下代码，它读取一个包含10个基因序列的FASTA文件，并将每个序列作为一个矩阵返回。然而，代码似乎在最后一个序列中丢失了，我想知道为什么？

file=open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r')
line=file.readline()

strings = []
sequence=''
while line:
    #line=line.rstrip('\n')
    line = line.strip() #empty () automatically strips the \n
    if '>' in line:
        if sequence != "":
            strings.append(sequence)
            sequence = ""
        #sequence=line
    else:
        sequence+=line
    line=file.readline()
for s in strings:
    print(s)

Motifs = []
for seq in strings:
    Motifs.append(list(seq))

#make every symbol into an element in the list separated by ,
for s in Motifs:
    print(s) ````

Answer 1

仅当您看到新的>，但在最后一个序列之后没有一个时，才会附加到strings。

这里有一个重构，希望它也能更地道一些。

strings = []
sequence=''

with open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r') as file:
    for line in file:
        line = line.rstrip('\n')
        if line.startswith('>'):
            if sequence != "":
                strings.append(sequence)
            sequence = ""
        else:
            sequence+=line
    # After the last iteration, append once more if we have something to append
    if sequence:
        strings.append(sequence)

Answer 2

由于FASTA文件包含以下格式的数据：

>ID1
seq_1
>ID2
seq_2
...

根据您的代码，如果您的行只包含一个>，那么您可以尝试附加该序列。这意味着，当您为ID_2迭代时，将为ID_1添加序列。

为了解决这个问题，你可以这样做：

for line in file:
    line = line.strip()
    if '>' in line: # Line 1
        line = file.readline().strip()
        # print(line)
        strings.append(line)

上面的示例使用了这样一个事实:在FASTA文件中，序列紧跟在ID之后，ID包含>字符(您可以更改第1行，以便它只检查第一个字符line[0] == ">")。