编辑FASTA：如何使用正则表达式和列表更改FASTA的标题，以及替换文件

Question

我有一个看起来像这样的FASTA：

NZ_UARI01000011.1阪崎肠杆菌菌株NCTC11467，全基因组shot弹枪序列GCGCATTTCTTATTACGGAGAAATACAGCAGCGTGTCTGTTTCAATTTTCAGCTTGTTCCGGATTGTTAAAGAGCAAATACTT ...NZ_UARI01000001.1阪崎肠杆菌菌株NCTC11467，全基因组shot弹枪序列CAATTTTACTTGTTGATATAACAATCACGCTAACTATTCAGCCAATAGCTCCCGCATTAAAACCAGCTACTTCAGCCAAA...

而且我想将标题更改为此：

'>阪崎克罗诺杆菌菌株NCTC11467_1GCGCATTTCTTATTACGGAGAAATACAGCAGCGTGTCTGTTTCAATTTTCAGCTTGTTCCGGATTGTTAAAGAGCAAATACTT ...'>阪崎克罗诺杆菌菌株NCTC11467_2CAATTTTACTTGTTGATATAACAATCACGCTAACTATTCAGCCAATAGCTCCCGCATTAAAACCAGCTACTTCAGCCAAA...（等等）（忽略标题开头的'）

然后，我想用标题名称保存此文件。理想情况下，我不想制作新的Fasta，而只需将文件替换为更正：Cronobacter_sakazakii_strain NCTC11467.fasta

现在这很容易单独进行，但是我有600多个文件。因此，做每个人的想法不是我想走的路。我在这里编写了一个脚本，在其中我使用正则表达式隔离想要的标头部分，并将其存储在名为new_new的列表中。然后，我想匹配这些值并替换为以'>'开头的每一行，然后再添加_1 / 2/3 / ...或＃（如上所示）。您能帮我完成这项任务吗？如果我提供的脚本不值得继续，并且您有更好的解决方案，请告诉我。

#usr/bin/python
import sys
import os
import re
import csv
#sys.argv[1] =fasta 
#sys.argv[2] = list of header names (mass) 
#Gather existing headers to list (new_new)
with open(sys.argv[1], "r+") as text_file:
    lines = text_file.readlines()[1:]
    mylist = []
    new_new = []
    for i in lines:
        if '.' in i:
            mylist.append(i)
    pattern = r">*Cronobacter +\w* +\w* +.*[,]" 
    regex = re.compile(pattern, re.IGNORECASE)
    for j in mylist: 
        for match in regex.finditer(j): 
            value = match.group(0)
            new_new.append(value)
            for k in lines: 
                if '>' in k:
                    k= k.replace('.*',new_new[value])
text_file.close()
'''

Answer 1

import os
import re

from Bio.SeqIO.FastaIO import SimpleFastaParser
#sys.argv[1] =fasta 
fastas = []
filename= sys.argv[1]
newfilename = ''
with open(filename, "r") as text_file:
    fastas = list(SimpleFastaParser(text_file))
    for idx, (id, seq) in enumerate(fastas):
        s = re.search(r"Cronobacter +\w* +\w* +.*(?=,)", id, re.IGNORECASE)
        fastas[idx] = s.group(), seq
    newfilename = fastas[0][0] + '.fasta'
with open(filename, 'w') as text_file:
    for idx, (id, seq) in enumerate(fastas):
        text_file.write(f'>{id}_{idx + 1}\n{seq}\n')

os.rename(filename, newfilename)