python - 随机选择 fasta 文件中的行子集

Question

我有一个大约 1800 万次读取的 fasta 文件。我将它的头部带入 Python 中，并使用带有 if/else 语句的 forloop 构建了一个字典，其中 key = readID 和 value = 序列。

我现在想从原始文件中随机选择 10,000 个读数的子集。我认为另一个 for 循环是必要的，但我不知道从哪里开始。

提前致谢

Answer 1

当您使用 FASTQfiles 时，您确实应该使用 BioPython 。它支持读取 FASTQ 文件并将其转换为字典，无需 for 循环。 For taking random samples, use the random module from the standard library .

from Bio import SeqIO
import random

record_dict = SeqIO.to_dict(SeqIO.parse("example.fastq", "fastq"))
random_reads = random.sample(record_dict.items(), 10000)
for readID, sequence in random_reads:
    print(readID, sequence)