python - 根据比对修剪序列

Question

我正在尝试使用 BioPython 编辑由 ClustalW 生成的 MSA(多序列比对)文件，以在共识序列之前修剪序列。xxx 指的是与此处不相关的其他碱基

这是示例 I/O:

输入

ITS_primer_fw               --------------------------------CGCGTCCACTMTCCAGTT
RBL67ITS_full_sequence      CCACCCCAACAAGGGCGGCCACGCGGTCCGCTCGCGTCCACTCTCCAGTTxxxxxxxxxxxxxxxxxxxxxxx
PRL2010                     ACACCCCCGAAAGGGCGTCC------CCTGCTCGCGTCCACTATCCAGTTxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
BBF32_3                     ACACACCCACAAGGGCGAGCAGGCG----GCTCGCGTCCACTATCCAGTTxxxxxxxxxxxxxx
BBFCG32                     CAACACCACACCGGGCGAGCGGG-------CTCGCGTCCACTGTCGAGTTxxxxxxxxxxxxxxxxxxxxxx

预期输出

ITS_primer_fw               CGCGTCCACTMTCCAGTT
RBL67ITS_full_sequence      CGCGTCCACTCTCCAGTTxxxxxxxxxxxxxxxxxxxx
PRL2010                     CGCGTCCACTATCCAGTTxxxxxxxxxxxxxxxxxxxxx
BBF32_3                     CGCGTCCACTATCCAGTTxxxxxxxxxxxxxxxxxxx
BBFCG32                     CGCGTCCACTGTCGAGTTxxxxxxxxxxxxxxxxxxxx

AlignIO 的文档代码仅描述了一种通过将比对视为数组来提取序列的方法。在此示例中

align = AlignIO.read(input_file, "clustal")
sub_alignment = align[:,20:]

我能够提取从第 20 个核苷酸开始的所有序列 (:) 组成的子对齐。我正在寻找一种方法，将示例中的 20 替换为共有序列的第一个核苷酸的位置。

Answer 1

感谢 Biostars 用户的帮助，找到了答案。

抽搐正在查看列以找到起点，这将如预期的在最后一个“-”之后。默认情况下，我的对齐第一行是最短的，并且在对齐良好之前以“-”开头。

所以这是代码:

aln = AlignIO.read(input_file, "clustal")
for col in range(aln.get_alignment_length()):  # search into column
    res = list(aln[:,col])
    if not '-' in res:
        position = col                         # find start point
        print('First full column is {}'.format(col))
        break
print(aln[:,position::])                       # print the whole alignment starting from the position variable found