Skip to main content
 首页 » 编程设计

python之如何在 python 中转换矩阵中的多个 fasta 行

2025年05月04日12freeliver54

我有一个这样的文件(txt 或 fasta)。每个序列仅位于一行中。

    >Line1 
    ATCGCGCTANANAGCTANANAGCTAGANCACGATAGAGAGAGACTATAGC 
    >Line2 
    ATTGCGCTANANAGCTANANCGATAGANCACGAAAGAGATAGACTATAGC 
    >Line3 
    ATCGCGCTANANAGCTANANGGCTAGANCNCGAAAGNGATAGACTATAGC 
    >Line4 
    ATTGCGCTANANAGCTANANGGATAGANCACGAGAGAGATAGACTATAGC 
    >Line5 
    ATTGCGCTANANAGCTANANCGATAGANCACGATNGAGATAGACTATAGC 

我必须得到一个矩阵,其中每个位置对应于序列的每个字母(核苷酸)。在这种情况下,矩阵为 (5x50)。 我一直在处理 numpy 方法。我希望有人能帮助我。

请您参考如下方法:

如果您在 Python 中处理 DNA 序列数据,我建议您使用 Biopython图书馆。您可以使用 pip install biopython 安装它。

以下是您实现预期结果的方法:

from Bio import SeqIO 
import os 
import numpy as np 
 
pathToFile = os.path.join("C:\\","Users","Kevin","Desktop","test.fasta")  #windows machine 
 
allSeqs = [] 
for seq_record in SeqIO.parse(pathToFile, """fasta"""): 
        allSeqs.append(seq_record.seq) 
 
seqMat = np.array(allSeqs) 

但是在for循环中,每个seq_record.seq都是一个Seq对象,使您可以灵活地对其执行操作。

In [5]: seqMat.shape 
Out[5]: (5L, 50L) 

您可以根据需要对 seqMat 数组进行切片。

In [6]: seqMat[0] 
Out[6]: array(['A', 'T', 'C', 'G', 'C', 'G', 'C', 'T', 'A', 'N', 'A', 'N', 'A', 
       'G', 'C', 'T', 'A', 'N', 'A', 'N', 'A', 'G', 'C', 'T', 'A', 'G', 
       'A', 'N', 'C', 'A', 'C', 'G', 'A', 'T', 'A', 'G', 'A', 'G', 'A', 
       'G', 'A', 'G', 'A', 'C', 'T', 'A', 'T', 'A', 'G', 'C'],  
      dtype='|S1') 

不过,强烈建议您查看教程!