python - 在 Python 的 ASCII 文件中查找/替换带注释的子字符串

Question

我在从事的生物信息学项目中遇到了一些编码问题。基本上，我的任务是从数据库中提取基序序列，并使用该信息来注释序列比对文件。比对文件是纯文本，因此注释不会很复杂，最多只是用比对文件本身中的星号替换提取的序列。

我有一个脚本可以扫描数据库文件，提取我需要的所有序列，并将它们写入输出文件。我需要的是，给定一个查询，读取这些序列并将它们与 ASCII 比对文件中相应的子字符串匹配。最后，对于主题序列(非常大的字符串的子串)的每次出现，我将用星号序列 * 替换主题序列 XXXXXXX。

我使用的代码是这样的(11SGLOBULIN 是数据库中蛋白质条目的名称):

motif_file = open('/users/myfolder/final motifs_11SGLOBULIN','r')
align_file = open('/Users/myfolder/alignmentfiles/11sglobulin.seqs', 'w+') 
finalmotifs = motif_file.readlines()
seqalign = align_file.readlines() 


for line in seqalign:
    if motif[i] in seqalign:  # I have stored all motifs in a list called "motif"
        replace(motif, '*****') 

但它并没有用星号序列替换每个字符串，而是删除了整个文件。任何人都可以看到为什么会这样吗？

我怀疑问题可能在于我的 ASCII 文件基本上只是一个很长的氨基酸列表，而 Python 不知道如何替换隐藏在很长字符串中的特定子字符串。

Answer 1

像下面这样的东西应该可以解决问题。我对您的输入数据做了假设，因为您没有发布示例并且您正在运行 python 2.7。

motifs = [ x.strip() for x in open('final motifs_11SGLOBULIN','r') ]
redact = '*****'

with open('11sglobulin.seqs','r') as data_in, open('11sglobulin.seqs.new','w') as data_out:
  for seq in data_in:
    for motif in motifs:
      while True:
        x = seq.find(motif)
        if x >= 0:
          seq = seq[:x] + redact + seq[x+len(motif):]
        else:
          break
  data_out.write(seq)