python处理fasta文件的模块,

　　本文主要介绍一个Python脚本从fasta文件中提取单个序列信息的例子。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。

Python脚本编辑

　　使用Python对fasta格式的序列进行基本信息统计。

　　预期的设计输出文件包括fasta的文件名、序列的长度、GC的内容和ATCG各自的内容。

使用的文件

　　test.fasta

　　统计数据

输入 sys模块

　　#!/usr/bin/env python

　　导入系统

从命令行获得文件名称

　　file_fasta=sys.argv[1]

　　#获取文件名

　　file_name=file_fasta.split( . )

　　name=文件名[0]

　　Sys.argv[1]模块是从程序外部获取参数的桥梁，可以将命令行的参数输入到py程序中。

　　Sys.argv[0]是程序本身，sys.argv[1]是程序跟随的第一个参数。

　　我们使用文件名作为输入参数，这个步骤显示在最终运行中。

　　在输出结束时，将输出一个包含统计信息的txt文件。我们将用fasta文件名作为txt文件的前缀，所以我们需要获得fasta文件名。

　　.拆分(.)就是用分隔file_fasta。作为分隔符，它将生成“test”和“txt”。如果分配给文件名，文件名将包含两个字符。

　　file_name[0]采用第一个值“test”。python中默认第一个数字是0，所以不能输入1。

进行序列信息统计的函数

　　序列的长度非常好。只需使用len函数，但是计算GC含量和ACTG的百分比需要一些工作。

使用def制作一个函数

　　用Python def开始函数定义，后面是函数名，括号内是函数的参数，括号内是函数的具体函数实现代码。

　　定义获取信息(chr):

　　chr=chr.upper()

　　count_g=chr.count(G )

　　count_c=chr.count(C )

　　count_a=chr.count(A )

　　count_t=chr.count(T )

　　命名函数为get_info，内部参数为chr。

　　现在我们将把fasta中ATCG的基内容赋给chr，基可以是大写也可以是小写，所以我们用。大写所有字符。

　　然后。count(G )用来统计ATCG各自的个数，并赋给对应的count _ g，我们可以在后面的计算中利用ATCG各自的统计量来免疫N值干扰。

　　gc=(计数_g计数_c) /(计数_a计数_t计数_c计数_g)

　　A=(计数a) /(计数a计数t计数c计数g)

　　T=(计数t) /(计数a计数t计数

　　t_c + count_g)

　　C = (count_c) / (count_a + count_t + count_c + count_g)

　　G = (count_g) / (count_a + count_t + count_c + count_g)

　　gc_con = {:.2%}.format(gc)

　　A_content = {:.2%}.format(A)

　　T_content = {:.2%}.format(T)

　　C_content = {:.2%}.format(C)

　　G_content = {:.2%}.format(G)

　　return (gc_con,A_content,T_content,C_content,G_content)

　　gc含量计算其等于（G的数量+C的数量）/（A的数量+T的数量+C的数量+G的数量）

　　A的含量等于（A的数量）/（A的数量+T的数量+C的数量+G的数量），其他值的计算以此类推。

.format使用：

"{1} {0} {1}".format("hello", "world")设置指定位置。
　　'world hello world'
　　{:.2f} 保留小数点后两位
　　最后，使用return返回函数结果(gc_con,A_content,T_content,C_content,G_content)
　　

进行函数计算

#进行函数计算
　　with open(file_fasta,r) as read_fa:

　　读取文件内容赋值给read_fa

　　python中有两个方式打开文件一种是直接使用open("test.fasta","r")，执行完以后f.close()关闭。
注释："r"只读模式打开文件；"w"以只写模式打开文件，这种模式下输入内容会覆盖原有内容；"a"以追加模式打开一个文件,这个模式会把新内容追加到原有内容的末尾，不会覆盖。
这里使用的是第二方式with内置函数，它可以将文件自动关闭。

 for val in read_fa:
　　 val = val.strip()
　　 if not val.startswith("&gt;"):
　　 seq_info = get_info(val)
　　 len_fasta = len(val)

　　将read_fa内容赋值给val。

　　strip() 方法用于移除字符串头尾指定的字符(默认为空格或换行符)，这里使用默认。

　　然后使用startswith() 方法用于检查字符串是否是以指定子字符串开头，在当不是>开头的行时候，才对核酸序列才进行信息统计。

　　len() 方法返回字符长度获得片段长度

结果屏幕展示

#结果屏幕展示
　　print(******\n{0}\nlength:{1}\ngc content :{2}\nA content :{3}\nT content :{4}\nC content :{5}\nG content :{6}\n******.format(name,len_fasta,seq_info[0],seq_info[1],seq_info[2],seq_info[3],seq_info[4]))

　　使用\n进行换行，用.format指定值输出位置。

结果输出文件

os.write(fd, str)
　　

　　write() 方法用于写入字符串到文件描述符 fd

#结果输出文件
　　file_output = open("{}sum.txt".format(name),a)
　　file_output.write(******\n)
　　file_output.write({}\n.format(name))
　　file_output.write(length:{:d}\n.format(len_fasta))
　　file_output.write(gc content :{}\n.format(seq_info[0]))
　　file_output.write(A content :{}\n.format(seq_info[1]))
　　file_output.write(T content :{}\n.format(seq_info[2]))
　　file_output.write(C content :{}\n.format(seq_info[3]))
　　file_output.write(G content :{}\n.format(seq_info[4]))
　　file_output.write(******)
　　file_output.close()

脚本运行

　　执行脚本（linux系统）

　　使用ls命令可以看到当前目录下有已经写好的py文件以及数据test.fasta。

　　运行时注意我们编写时设置从命令行获得文件名称，所以要在后面跟上fasta文件，这样才能成功运行。

　　运行结束后可以看见屏幕上有结果的打印，同时也生成了testsum.txt。

　　使用cat命令查看可以看到结果。

　　以上就是Python脚本提取fasta文件单序列信息实现的详细内容，更多关于Python提取fasta单序列的资料请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

目录