时间戳

首页 > 解决方案 > 主字符串 python/biopython 中的现有子字符串没有输出

python - 主字符串 python/biopython 中的现有子字符串没有输出

问题描述

如果主字符串的特定部分存在子字符串，我会构建一个代码来打印字符串。我有一个如下文件，我从seq11_rv.

>seq11_fw
TCAGATGTGTATAAGAGACAGTTATTAGCCGGTTCCAGGTATGCAGTATGAGAA
>seq11_rv
GAGATTATGTGGGAAAGTTCATGGAATCGAGCGGAGATGTGTATAAGAGACAGTGCCGCGCTTCACTAGAAGTCATACTGC

然后我对这些 5mers 进行反向补码并将它们附加到一个列表中。然后我查看了seq11_fw如果位置[42:51]（seq11_fw 中的 GCAGTATGA）有任何列表项，则应打印确认。

为了便于理解最后一个 5merseq11_rv是ACTGC它的反向补码GCAGT，如果你检查seq11_fw[42:51]它是否GCAGT存在于该位置，但我没有得到任何输出。

任何帮助，将不胜感激。

这是我的代码：

from Bio import SeqIO
from Bio.Seq import Seq

with open(file, 'r') as f:
    lst = []
    for record in SeqIO.parse(f, 'fasta'):
        if len(record.seq) == 81:
            for i in range(len(record.seq)):
                kmer = str(record.seq[i:i + 5])
                if len(kmer) == 5:
                    C_kmer = Seq(kmer).complement()
                    lst.append(C_kmer[::-1])


        cnt=0
        if len(record.seq) == 54 and any(str(items) in str(record.seq[42:51]) for items in lst):
            cnt +=1

        if cnt == 1:
            print(record.id)
            print(record.seq)

    print(lst)

标签： pythonperformanceoutputbiopython

解决方案

这似乎可行，问题是您设置算法的方式：

from Bio import SeqIO
from Bio.Seq import Seq

file ='test.faa'

with open(file, 'r') as f:
    lst = []
    for record in SeqIO.parse(f, 'fasta'):
        if len(record.seq) == 81:
            for i in range(len(record.seq)):
                kmer = str(record.seq[i:i + 5])
                if len(kmer) == 5:
                    C_kmer = Seq(kmer).complement()
                    lst.append(C_kmer[::-1])

with open(file, 'r') as f:    
    cnt=0
    for record in SeqIO.parse(f, 'fasta'):
        if len(record.seq) == 54 and any(str(items) in str(record.seq[41:52]) for items in lst):
            cnt +=1

        if cnt == 1:
            print(record.id)
            print(record.seq)
            cnt = 0

在这个版本中，你迭代你的输入文件两次：

第一次创建 5mers 列表

第二个检查列表中长度 = 54 的 record.seq 的 [41:52]。

您需要将计数器 cnt 重置为零，否则将打印所有序列

如果您打算拥有一个包含多个序列的测试文件，我会尝试让一个输入文件包含正向序列，一个输入文件包含反向序列，具有相同的顺序。然后我会检查每对并行循环两个文件的夫妇。不知道怎么做，但这里有很多很好的例子：

如何并行遍历两个列表？

我相信您需要将 SeqIO.parse 的两条记录读入两个列表，然后像这样使用它们：

from Bio import SeqIO
from Bio.Seq import Seq

file1 ='test_fw.faa'
file2 ='test_rv.faa'

record1_lst = []
record2_lst = []

with open(file1, 'r') as f1:
    for record in SeqIO.parse(f1, 'fasta'):
        record1_lst.append(record)
with open(file2, 'r') as f2:   
    for record in SeqIO.parse(f2, 'fasta'):
        record2_lst.append(record)
    

for record_fw, record_rv in zip(record1_lst, record2_lst):
    print(record_fw.id, record_rv.id)

或者像这样工作，记住在解析器迭代器被清空后关闭文件：

from Bio import SeqIO
from Bio.Seq import Seq

file1 ='test_fw.faa'
file2 ='test_rv.faa'



f1 = open(file1, 'r')
f2 = open(file2, 'r')
    
record1 = SeqIO.parse(f1, 'fasta')
record2 = SeqIO.parse(f2, 'fasta')


for record_fw, record_rv in zip(record1, record2):
    print(record_fw.id, record_rv.id)
    
f1.close()
f2.close()

推荐阅读