从FASTA文件中提取的基因序列？

Question

我有以下代码读出与10个基因序列的FASTA文件，并返回每个序列的矩阵。然而，代码似乎缺少在最后序列，我不知道为什么？

file=open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r')
line=file.readline()

strings = []
sequence=''
while line:
    #line=line.rstrip('\n')
    line = line.strip() #empty () automatically strips the \n
    if '>' in line:
        if sequence != "":
            strings.append(sequence)
            sequence = ""
        #sequence=line
    else:
        sequence+=line
    line=file.readline()
for s in strings:
    print(s)

Motifs = []
for seq in strings:
    Motifs.append(list(seq))

#make every symbol into an element in the list separated by ,
for s in Motifs:
    print(s) ````

Answer 1

你只追加，当你看到一个新的strings到>但没有一个最后的序列之后。

这里是一个重构，希望这将还有些更地道。

strings = []
sequence=''

with open('/Users/vivianspro/Downloads/rosalind_cons (5).txt', 'r') as file:
    for line in file:
        line = line.rstrip('\n')
        if line.startswith('>'):
            if sequence != "":
                strings.append(sequence)
            sequence = ""
        else:
            sequence+=line
    # After the last iteration, append once more if we have something to append
    if sequence:
        strings.append(sequence)

Answer 2

由于FASTA文件包含在这种格式的数据：

>ID1
seq_1
>ID2
seq_2
...

根据你的代码，如果你的行包含一个>才把你尝试添加的顺序。这意味着，要添加的顺序为ID_1当你迭代的ID_2。

要解决这个问题，你可以这样做：

for line in file:
    line = line.strip()
    if '>' in line: # Line 1
        line = file.readline().strip()
        # print(line)
        strings.append(line)

这上面的例子中使用了一个FASTA文件，该序列的ID，其中包含>字符（你可以改变1号线，使其只检查的第一个字符，line[0] == ">"）后直接来的事实。