Python: Удаление символов из начальных последовательностей в формате fasta

Question

У меня есть последовательности в формате fasta, который содержит праймеры 17 бит в начале последовательностей. И у праймеров иногда есть несоответствия. Поэтому я хочу удалить первые 17 символов последовательностей, кроме как из заголовка fasta.

последовательности выглядит следующим образом:

> name_name_number_etc 
SEQUENCEFOLLOWSHERE 
> name_number_etc 
SEQUENCEFOLLOWSHERE 
> name_name_number_etc 
SEQUENCEFOLLOWSHERE 

Как я могу сделать это в Python?

Спасибо! Jon

Answer 1

Если Я правильно понимаю, вам нужно удалить праймер только из первых 17 символов потенциально многострочной последовательности. То, что вы просите, немного сложнее. Да, существует простое решение, но в некоторых ситуациях оно может выйти из строя.

Мое предложение: использовать Biopython для выполнения анализа файла FASTA. Прямо из учебника

from Bio import SeqIO 
handle = open("ls_orchid.fasta") 
for seq_record in SeqIO.parse(handle, "fasta") : 
    print seq_record.id 
    print repr(seq_record.seq) 
    print len(seq_record) 
handle.close() 

Затем перепишите последовательность вниз, удалив первые 17 букв. У меня нет установки biopython на моем текущем компьютере, но если вы посмотрите на учебник, он не займет больше 15 строк кода.

Если вы хотите пойти хардкора, и сделать это вручную, вы должны сделать что-то вроде этого (с первого плаката, модифицированный)

f = open('sequence.fsa') 

first_line = False 
for line in f.xreadlines(): 
    if line[0] == ">": 
     first_line=True 
     print line, 
    else: 
     if first_line: 
      print line[17:], 
     else: 
      print line, 
     first_line = False 

Answer 2

Если ваш файл выглядит

>MCHU - Calmodulin - Human, rabbit, bovine, rat, and chicken 
ADQLTEEQIAEFKEAFSLFDKDGDGTITTKELGTVMRSLGQNPTEAELQDMINEVDADGNGTID 
FPEFLTMMARKMKDTDSEEEIREAFRVFDKDGNGYISAAELRHVMTNLGEKLTDEEVDEMIREA 
DIDGDGQVNYEEFVQMMTAK* 

и вы хотите, чтобы удалить первые 17 символов каждой последовательности линии, вы хотите сделать что-то вроде этого:

f = open('sequence.txt') 

for line in f.xreadlines(): 
    if line.find('>') < 0: 
     print line.strip()[17:] 

Answer 3

with open('fasta_file') as f: 
    for line in f: 
     if not line.startswith('>'): 
      print line[17:] 

Answer 4

Я не знаю, если размещение на этой теме не имеет смысла , но я столкнулся с методом, который действительно помог мне, когда я начал работать с файлами .fasta.

file = input('Input your fasta file') 
o_file = open(file).readlines() 

o_file = o_file[1:] 

for line in o_file: 
    #do something