python 去除换行符_技术贴 | Python：fasta文件处理和GC含量统计

一时失言乱红尘 2023-01-12 10:16 143阅读 0赞

![057852aac95d763928e8fb146bfceac3.gif][]点击蓝字↑↑↑“微生态”，轻松关注不迷路

**![fdcf2d5f321b0d90358ede58e0606d9f.png][]**

本文由阿童木根据实践经验而整理，希望对大家有帮助。

原创微文，欢迎转发转载。

> Fasta文件有两种常见的格式，一种是一行序列名加一行序列，另一种是一行序列名加多行序列(每60个碱基换行)。下面分享两个用python处理和统计第二种fasta文件的脚本：
> 
> 1. 去除fasta文件的换行符
> 
> 2. 计算\[换行符分隔\]fasta文件每条序列的GC含量

### 二、去除fasta文件的换行符 ###

1. 1 输入数据

cat test
    # 一个随便写的文件
    >sequence_1
    AAAA
    GGGG
    CCCC
    TTTT
    >sequence_2
    aaaa
    gggg
    cccc
    tttt

1.2 Python3代码

思路：

第一步：构建字典将序列名作为键，序列作为值

第二部：读取字典，join序列，保存

#!/usr/bin/env python3
    import os
    import sys
    import re
    
    ms, infile, outfile = sys.argv
    
    with open(infile) as f:
        Dict = {}
        for line in f:
            if line[0] == ">":
                key = line.strip()
                Dict[key] = []
            else:
                Dict[key].append(line.strip())
    
    with open(outfile, 'w') as o:
        for key, value in Dict.items():
            o.write("{}\n{}\n".format(key, ''.join(value))

1.3 运行脚本

python3 trim_enter.py test test2

1.4 检查结果

>sequence_1
    AAAAGGGGCCCCTTTT
    >sequence_2
    aaaaggggcccctttt

### 三、计算\[换行符分隔\]fasta文件每条序列的GC含量 ###

2.1 输入数据

cat test.txt
    
    >sequence_1
    AAAA
    GGGG
    CCCC
    TTTT
    >sequence_2
    aaaa
    gggg
    cccc
    tttt

2.2 Python3代码

思路：

第一步：构建字典将序列名作为键，序列作为值

第二步：读取字典，join序列，统计GC含量，保存

#!/usr/bin/env python3
    import os, sys, re
    ms, infile, outfile = sys.argv
    with open(infile) as f:
        Dict = {}
        for line in f:
            if line[0] == ">":
                key = re.sub('>', '', line.strip())
                Dict[key] = []
            else:
                Dict[key].append(line.strip())
    
    with open(outfile, 'w') as o:
        o.write("id\tGC_percent\n")
        for key, value in Dict.items():
            seq = ''.join(value)
            nG = seq.count("G") + seq.count("g")
            nC = seq.count("C") + seq.count("c")
            gc_percent = (nG + nC)/len(seq)
            o.write("{}\t{}\n".format(key, gc_percent))

2.3 运行脚本

python3 ../fasta_gc_percent.py test.txt out.txt

2.4 检查结果

cat out.txt
    id      GC_percent
    sequence_1      0.5
    sequence_2      0.5

--------------------

![2aa35761634667f21ff5ce7a347f77eb.png][]你可能还喜欢![2aa35761634667f21ff5ce7a347f77eb.png][]

1 技术贴 | 16S专题 | 简单介绍如何用自己的笔记本处理高通量16S数据

2 技术贴 | 宏基因组专题 | 组装工具盘点和比较

3 技术贴 | R语言菌群Alpha多样性分析和绘图

4 技术贴 | 宏转录组专题 | DDBJ数据库：宏转录组测序数据下载

5 技术贴 | R语言pheatmap聚类分析和热图

--------------------

微生态科研学术群期待与您交流更多微生态科研问题

(联系微生态老师即可申请入群)

![31ade9048e83a7502f074ef7ba99386a.png][]

了解更多菌群知识，请关注“微生态”。

![42eedbfcbf1423426afabcb936b3a9a9.png][]

[057852aac95d763928e8fb146bfceac3.gif]: /images/20221119/23162572f5c3483096a7919028233913.png
[fdcf2d5f321b0d90358ede58e0606d9f.png]: /images/20221119/43d09279a2ea4374afcec447e62e39f8.png
[2aa35761634667f21ff5ce7a347f77eb.png]: /images/20221119/cb0b196078364c769a45fb1c8cd2ca2c.png
[31ade9048e83a7502f074ef7ba99386a.png]: /images/20221119/cc1b6c8aeefa4972aca7d686e53278ab.png
[42eedbfcbf1423426afabcb936b3a9a9.png]: /images/20221119/192824ed051249a994845726c7533004.png