python - 如何在 python 中读取 fasta 文件？

Question

我正在尝试读取一个 FASTA 文件，然后找到特定的 motif(string)并打印出它出现的顺序和次数。 FASTA file只是一系列以标题行开头的序列(字符串)，标题或新序列开头的签名是“>”。在标题之后的新行中是字母序列。我还没有完成代码，但到目前为止我有这个并且它给了我这个错误:

AttributeError: 'str' object has no attribute 'next'

我不确定这里出了什么问题。

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

错误可能来自以下行:

nextline=line.next()

line是你已经读过的字符串，没有next()方法就可以了。

部分问题是您试图混合两种不同的文件读取方式 - 您正在使用 for line in f1 遍历行和 <handle>.next() .

此外，如果您正在使用 FASTA 文件，我建议使用 Biopython :它使处理序列集合变得更加容易。特别是，Chapter 14您将对主题特别感兴趣。这可能需要您了解更多有关 Python 的知识才能实现您的目标，但如果您要做的生物信息学工作比此处示例所显示的要多得多，那么绝对值得投入时间。