《生物信息学》FASTA文件处理——Python
发布时间
阅读量：
阅读量
最近为朋友提供了生物信息学编程方面的帮助，在初次接触FASTA文件的操作后，经过一段时间的努力后成功完成了相关功能
- FASTA文件的读取
- 打印J列和K列对应范围的碱基
- 统计DNA中的碱基数量
具体操作说明：在数据文件中查找存在的一组特定基因名称后，在对应位置输出相应的基因片段，并提供剪切变体信息（位于B列）。此外，在任意长度的基因序列中还可以计算所包含的ATGC碱基总数。
#Demo.py
#将Demo.python与chromFa文件夹及data.xlsx放在同一目录下
#=====================================================================
#此函数用于打印J，K列指示的碱基序列
def counting(str_in , str_1 , str_2):
f = open(str_in)
ls = []
for line in f:
if not line.startswith('>'):
ls.append(line.replace('\n', '')) # 去掉行尾的换行符
f.close()
_str = ''
for i in range(0, len(ls)):
_str += ls[i]#_str是fa文件的完整碱基序列
arr_1 = getRange(str_1)
arr_2 = getRange(str_2)
for i in range(len(arr_1)):
#print((len(_str),arr_1[i],arr_2[i]))
print("第" + str(i + 1) + "个碱基序列是")
print(_str[arr_1[i]:arr_2[i]])
print("\n其中一共有:")
countATGC(_str[arr_1[i]:arr_2[i]])
#=====================================================================
#此函数用于统计碱基序列中的A，T，G，C个数
def countATGC(str_in):
A = C = T = G = 0
A += str_in.count('A')
C += str_in.count('C')
T += str_in.count('T')
G += str_in.count('G')
print('A:',A,'\n','C:',C,'\n','T:',T,'\n','G:',G,'\n')
#=====================================================================
#此函数用于去掉J,K列中的‘，’并转换成整型数组
def getRange(str_in):
arr = str_in.split(',')
arr = [int(val) for val in arr[0:-1]]
return arr
#=====================================================================
import xlrd
FileContactList = "data.xlsx"
FileName = FileContactList
while True:
KeyStr = input("请输入要搜索的基因名称: ")
FileObj = xlrd.open_workbook(FileName)
sheet = FileObj.sheets()[0] # 获取第一个工作表
row_count = sheet.nrows # 行数
col_count = sheet.ncols # 列数 # 搜索关键字符串
i = 1
for element in range(row_count):
if KeyStr.lower() in (str(sheet.row_values(element))).lower():
#从Excel表格中提取出来的数据头部有b',尾部有',原因未知
str_1 = str(sheet.cell(element, 9).value.encode('utf-8')).lstrip('b\'').rstrip('\'')
str_2 = str(sheet.cell(element, 10).value.encode('utf-8')).lstrip('b\'').rstrip('\'')
str_Path = "./chromFa/" + str(sheet.cell(element, 2).value.encode('utf-8')).lstrip('b\'').rstrip(
'\'') + ".fa"
#print(str_Path)
#print(str_1)
#print(str_2)
print("==>第" + str(i) + "个" + KeyStr)
print("剪切变体是:")
print(str(sheet.cell(element,2).value.encode('utf-8')).lstrip('b\'').rstrip('\''))
counting(str_Path,str_1,str_2)
i += 1
#=====================================================================
结果示例：
代码资源及相关材料 : https://github.com/suplex123/FASTA-Analysis
全部评论 (0)
还没有任何评论哟~