如何使用 re.findall、FASTA-input 迭代使用 SeqIO 创建的列表

Question

我现在在这上面花了太多时间（+10 小时）。

输入是fasta格式的文件。 输出应该是一个包含基因 ID 和匹配模式（三种不同模式）的文本文件

我想制作自己的函数以避免编写相同的代码三次，但我现在放弃了，只编写了三次（并且工作正常）。

有没有办法使用这个：

records = list(SeqIO.parse('mytextfile.fasta', 'fasta'))

而不是我当前使用三次的代码（如下）或其他函数？这是一个学校作业，所以它也不应该太复杂，但我必须使用 Bio 和重新模块来解决它。

from Bio import SeqIO
import re

outfile = 'sekvenser.txt'

for seq_record in SeqIO.parse('prot_sequences.fasta', 'fasta'):
    match = re.findall(r'W.P', str(seq_record.seq), re.I)
    if match:       
        with open(outfile, 'a') as f:
            record_string = str(seq_record.id)
            newmatch = str(match)
            result = record_string+'\t'+newmatch
            print(result)
            f.write(result + '\n')

我试过这个

records = list(SeqIO.parse('prot_sequences.fasta', 'fasta'))
new_list = []
i = r'W.P'

for i in records:
    match = re.findall(i)
    if match:       
        new_list.append(match)

print(new_list)

但它只告诉我 findall() 缺少 1 个必需的位置参数：'string'。

正如我所见，i 是一个字符串（因为我创建了变量）。显然我做错了什么。如果我尝试插入在其他代码中使用的 seq_record，它会告诉我 seq_record 未定义。我不明白我应该在代码中的 i 之后放置什么。

Answer 1

输入

prot_sequences.fasta

：

>one
WWWWWWCCCCCPPPPPP
>two
SSSSSSSSRRRRRRRRTTTTWWWWWWDDDDDDMMMMM
>three
QQQQQQQQQWAPTCCCCCCCWYPGGGGGGGGGGGGGG

代码：

import Bio

from Bio import SeqIO

import re


print('biopython version : ', Bio.__version__)

records = list(SeqIO.parse('prot_sequences.fasta', 'fasta'))
new_list = []
i = r'W.P'

#print(i)

for rec in records:
    
    #print('rec : ', rec, rec.seq , type(rec.seq)
    match = re.findall(i, str(rec.seq) )
    if match:       
        new_list.append(match)

print(new_list)

输出：

biopython version :  your Biopython Version
[['WAP', 'WYP']]

如果您取消评论：

#print('rec : ', rec, rec.seq , type(rec.seq)

你会看到

rec.seq

它是一个

<class 'Bio.Seq.Seq'>

所以不适合作为参数来提供re.findall(pattern, string, flags=0)