如何使用 Python 3 从 UniProt 下载一个 fasta 文件中的多个序列

Question

我制作了一个 python 脚本，用于从 Uniprot 以 fasta 格式下载蛋白质序列。该脚本将从包含登录号（每行一个）的文本文件中读取登录号，然后尝试从 UniProt 数据库下载相应的序列。这是脚本：

import requests

with open ('testfasta.txt', 'r') as infile:
    lines = infile.readlines()
count = 0
for line in lines:
    count+=1
    line = line.strip()
    access_id = line
    url_part1 = 'https://rest.uniprot.org/uniprotkb/'
    url_part2 = '.fasta'

    URL = url_part1+access_id+url_part2
              
    response = requests.get (URL)
              
    with open((access_id)+".fa", "wb") as txtFile:
        txtFile.write(response.content)

print ("Total sequences downloaded = ", count)

这工作正常，但对于数百个序列，它将生成大量文件。因此，将下一个传入序列写在第一个序列下方，然后写在其后面的第二个序列，依此类推，这是有益的。 fasta 文件格式基本上是一个包含文本的文本文件，其标题标有“">”。 例如

>firstseq_header
djsfkasdjfkasjdfkasjdflkasjdflkasjdfkasdjfsadk
iewurpwierpofasiodfjlkasdfklasjowieqrudsafdsaf
>secseq_header
dsfjsdfkjasfasdfhwrwerewrasdfasrwerasdfa
awerwerasafas
>nseq_header
ajskdfhjasdfhlasjdhfwueroywieuhsjadfh
hdsfkjh

等等

Answer 1

有这样的事吗？

import requests

with open('testfasta.txt', 'r') as infile,
     open('results.fasta', 'w') as outfile:
  for count, line in enumerate(infile, 1):
    access_id = line.strip()              
    response = requests.get(
      f'https://rest.uniprot.org/uniprotkb/{access_id}.fasta'
    # todo: check status code
    outfile.write(f'>{access_id}\n')
    outfile.write(response.content)

print (f"Total sequences downloaded = {count}")

这假设您获取的数据以换行符结尾，并且仅包含序列本身。我还进行了各种更改以使其更惯用。