我有两个文件:第一个是带有头文件和序列的fasta文件,第二个文件仅包含头文件。在python中匹配fasta文件中的头文件
File_1:
>DF94KKQ1|265|D0M1LACXX|3|2103|4637|10742|1|N|0|TGACCA
TTCCAAAGAAACATGGAAGACCCAGGACTTGGAGGCACCAGGCACCAGCACACAGGGGTA
GGCACATGGCATGGTGTTGGTTGAAGTCTACTTTTCCCACC
>DF94KKQ1|265|D0M1LACXX|3|2103|4565|10742|1|N|0|TGACCA
TTAATTTTTTCAGGCAAGTTTTGTGGATTTCAGTGTGTAAGTCTTTCACCTCTTTGGTTA
AATTTATTCCTATGTATTTTATTCCTTTAGATGCTATTATG
>DF94KKQ1|265|D0M1LACXX|3|2103|4565|10742|2|N|0|TGACCA
TTAATTTTTTCAGGCAAGTTTTGTGGATTTCAGTGTGTAAGTCTTTCACCTCTTTGGTTA
AATTTATTCCTATGTATTTTATTCCTTTAGATGCTATTATG
File_2:
>DF94KKQ1|265|D0M1LACXX|3|2103|4565|10742|2|N|0|TGACCA
>DF94KKQ1|265|D0M1LACXX|3|2103|4668|10746|1|N|0|TGACCA
>DF94KKQ1|265|D0M1LACXX|3|2103|4668|10746|2|N|0|TGACCA
>DF94KKQ1|265|D0M1LACXX|1|2207|10852|3331|2|N|0|TGACCA
我想在File_2头与任何在File_1说,直到7具有完全相同的字符匹配 '|'。
我在File_1中分割项目(标题的每个部分都被编入一个列表)。苯胺是用“>”开始被放置到一个变量:
#!/usr/bin/env python
import sys
from Bio import SeqIO
#Function, split header line into a list
def getHeaderInfo(blastLine):
myFields = blastLine.strip("\n").split("|")
HeaderInfo = myFields[:6]
return HeaderInfo
input_file = sys.argv[1]
#Get input file from the command line
inFileName = sys.argv[1]
#open the input file
inFileHandle = open(inFileName)
#loop over the input file line by line
for thisLine in inFileHandle.readlines():
if thisLine [0] == '>':
print getHeaderInfo(thisLine)
HeaderInfo = getHeaderInfo(thisLine)
我一直在试图找到我可以在File_2比较这些相同的指标返回以下输出的方法:
>DF94KKQ1|265|D0M1LACXX|3|2103|4565|10742|1|N|0|TGACCA
TTAATTTTTTCAGGCAAGTTTTGTGGATTTCAGTGTGTAAGTCTTTCACCTCTTTGGTTA
AATTTATTCCTATGTATTTTATTCCTTTAGATGCTATTATG
>DF94KKQ1|265|D0M1LACXX|3|2103|4565|10742|2|N|0|TGACCA
TTAATTTTTTCAGGCAAGTTTTGTGGATTTCAGTGTGTAAGTCTTTCACCTCTTTGGTTA
AATTTATTCCTATGTATTTTATTCCTTTAGATGCTATTATG
我尝试过的几种方法使用索引,但是,我的密钥不是唯一的。我怎样才能拿到前六个元素,并让他们成为我的钥匙,还是有比我现在尝试的更好的方法?谢谢。
标头线在File_1和File_2开头“>” ,他们没有出现在文章 – user1529819 2012-07-16 19:28:52