python - 解析数据帧和 fastafile

Question

我只有一个数据帧和一个 fasta 文件，如果 seq_id 在我的 fasta 文件中，我需要做的只是在数据帧中保留行(或创建一个新行)。

这是一个例子:

数据框:

seq_1    seq_2      GC       Length
seq1     seq2       68       15561
seq4     seq3       89       567
seq9     seq90      45       789
seq97    seq43      56       458
seq45    seq9       67       900

快速文件:

>seq9 
ACTG
>seq97 
ACTG
>seq1
ACTG

并获得一个新的 df，例如:

seq_1    seq_2      GC       Length
seq1     seq2       68       15561
seq9     seq90      45       789
seq97    seq43      56       458

谢谢你的帮助:)

Answer 1

1. 读取 fastafile 中的行进入字符串列表 fasta_lines
2. 从 fasta_lines 中过滤序列名称通过seq_list = [s for s in fasta_lines if s.startswith('>')]
3. 使用 seq_list 过滤数据框中的行过滤器:dataframe = dataframe[dataframe['seq_1'].isin(seq_list) || dataframe['seq_2'].isin(seq_list)]
4. 检查是否 dataframe.shape[0] == 0因此，新数据框中没有行根据解析 fastafile 的逻辑附加新行

在您指定处理fastafile的逻辑之后，这个答案可能需要一些代码检查。 .