如何在python中读取fasta文件？

Question

我试图读取一个FASTA文件，然后找到特定的motif(字符串)并打印出它出现的顺序和次数。FASTA文件只是以标题行开始的一系列序列(字符串),标题或新序列开始的签名是“”

属性错误：“str”对象没有属性“下一个”

我不确定这是怎么回事。

import re

header=""
counts=0
newline=""

f1=open('fpprotein_fasta(2).txt','r')
f2=open('motifs.xls','w')
for line in f1:
    if line.startswith('>'):
        header=line
        #print header
        nextline=line.next()
        for i in nextline:
            motif="ML[A-Z][A-Z][IV]R"
            if re.findall(motif,nextline):
                counts+=1
                #print (header+'\t'+counts+'\t'+motif+'\n')
        fout.write(header+'\t'+counts+'\t'+motif+'\n')

f1.close()
f2.close()

Answer 1

我不确定意大利面的东西，但我非常确定你在这里做错了：

nextline=line.next()

行只是一个str，所以不能调用str.next（）

另外，关于文件，建议您使用：

with open('fpprotein_fasta(2).txt','r') as f1:

这将处理自动关闭文件。

我们鼓励您提供一个示例 fasta 文件，以便我可以尝试更正代码。

Answer 2

这可能有助于您朝着正确的方向前进

import re

def parse(fasta, outfile):
    motif = "ML[A-Z][A-Z][IV]R"
    header = None
    with open(fasta, 'r') as fin, open(outfile, 'w') as fout:
            for line in fin:
                if line.startswith('>'):
                    if header is not None:
                        fout.write(header + '\t' + str(count) + '\t' + motif + '\n')
                    header = line
                    count = 0
                else:
                    matches = re.findall(motif, line)
                    count += len(matches)
            if header is not None:
                fout.write(header + '\t' + str(count) + '\t' + motif + '\n')
if __name__ == '__main__':
    parse("fpprotein_fasta(2).txt", "motifs.xls")

Answer 3

错误可能来自以下行：

nextline=line.next()

line是您已经阅读过的字符串，上面没有next（）方法。

部分问题在于，您尝试混合两种不同的读取文件的方式 - 您正在迭代使用f1中的for行和

此外，如果您正在处理FASTA文件，我推荐使用Biopython:它使得处理序列集合更加容易。尤其是第14章的主题会让你特别感兴趣。这可能需要你学习更多关于Python的知识来达到你的目的，但是如果你要做的生物信息学工作比你在这里的例子所展示的要多得多，那么投入时间绝对是值得的。