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

最新推荐文章于 2022-08-26 09:06:57 发布

黏人的小妖精

最新推荐文章于 2022-08-26 09:06:57 发布

阅读量932

点赞数

CC 4.0 BY-SA版权

文章标签： python 去除换行符

本文链接：https://blog.youkuaiyun.com/weixin_33478634/article/details/113313013

本文介绍了如何使用Python去除fasta文件中序列的换行符以及计算每条序列的GC含量。通过构建字典存储序列名和序列，然后进行join操作和GC含量统计，提供了一套完整的脚本流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

点击蓝字↑↑↑“微生态”，轻松关注不迷路

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<

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

黏人的小妖精

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

统计fasta文件GC含量【Perl】

W_LAILAI的博客

11-10

2497

my $file="myseq.fa"; open(FH,$file) or die $!; my $G_num=0; my $C_num=0; my $g_num=0; my $c_num=0; my $bases=0; while(<FH>){ if($_=~/^>/){next;} if(/C/){$C_num+= $_ =~ tr/C/C/;} if(/c/){$c...

生信脚本练习（5）求fastq文件的cg含量

08-07

1466

这道题要求求出一个fastq文件中序列的cg含量with open("Test1.fastq","r") as f: lines = f.readlines() seq = [] index = [] cg_n = [] cg_percentage = [] head = ['Read', 'CG'] cg = open("cg.txt","w") #这里精髓，取出每条序列的标题 for

参与评论您还未登录，请先登录后发表或查看评论

perl练习——FASTA格式文件中序列GC含量计算&perl数组排序如何获得下标或者键

weixin_34290631的博客

07-04

996

一、关于程序： FUN：计算FASTA文件中每条序列中G和C的含量百分比，输出最大值及其id INPUT：FASTA格式文件 >seq1 CGCCGAGCGCTTGACCTCCAGCAAGACGCCGTCTGGCACATGCAACGAGCTGTAGCAGAC >seq2 ATGCCTAGAACGTTCGAGACTTCTCGGGTGCGGTAGAATTAGCCATTCGA...

python实现fastq文件GC含量的计算

qq_22884761的博客

09-27

5738

python实现fastq文件GC含量的计算 fastq格式是生物信息分析中最常见的格式之一通常我们可以将测序的数据分为双端测序和单端测序双端测序的数据含有两个fastq格式的文件，单端测序的数据只有一个fastq格式的文件第一行是用来区分不同reads的一个ID号，一般以@符号开头，这一行是用来区分不同的reads，而这一行本身包含了很多的信息。 Read Record Header F...

python shell怎么换行_python & shell：去除fasta文件的换行符

weixin_39638304的博客

11-25

651

导读很多程序输出的fasta序列每60个碱基会换一次行，下面是一个去除碱基序列后的换行符的方法。一、输入cat test# 一个随便写的文件>sequence_1AAAAGGGGCCCCTTTT>sequence_2aaaaggggcccctttt二、去换行符：python脚本：python3#!/usr/bin/env python3import osimport sysimport rems,...

python处理fasta文件_Python脚本：fasta文件单序列信息提取

weixin_39810901的博客

12-14

2134

使用Python对fasta格式的序列进行基本信息统计预期设计输出文件中包括fasta文件名，序列长度，GC含量以及ATCG各自的含量。Python脚本编辑使用的文件test.fastastat.py输入 sys模块#!/usr/bin/env pythonimport sys从命令行获得文件名称file_fasta = sys.argv[1]#获得文件名file_name = file_fast...

使用python读取和分析fasta文件

最新发布

06-29

我将分几个部分介绍：一、使用命令行工具处理FASTA文件（快速、高效，适合大文件）二、使用Python处理FASTA文件（灵活，可定制）一、命令行工具1.统计FASTA文件中的序列数量```bashgrep -c "^>" input.fasta```2....

【NGS数据分析工具】实际案例分析：使用Python处理NGS数据集

![【NGS数据分析工具】实际案例分析：使用Python处理NGS数据集]...本章将简要介绍NGS数据分析的基本概念和重要性，为后续章节中深入探讨Python在NGS数据处理中的应用和具体实践案例奠

４.以下是一组小RNA的fasta序列 __DATA__ >2_24_3 AAAAAACAACCTCTCTACCTGTTC >7_17_6 AAAAAACAAGTAGATCA >8_24_1 AAAAAACAATTAACTGTGGACGGA >9_18_2 AAAAAACACAATCAAATA >11_24_2 AAAAAACAGACTGCAGTTGACGAT >12_24_62 AAAAAACAGGCTGAGACGACGGAA >13_25_6 AAAAAACAGGCTGAGACGACGGAAC >14_24_7 AAAAAACAGGCTGAGACGATGGAA >15_24_11 AAAAAACAGGCTGAGATGACGGAA >16_24_31 AAAAAACAGGGCTGAGACGACGGA >18_15_5 AAAAAACATTTTCCT >19_24_6 AAAAAACCACGGACCAAGAGGAGC >20_24_2 AAAAAACCACGGACTAAGAGAAGC >21_24_6 AAAAAACCACGGACTAAGAGGAGC >22_24_4 AAAAAACCACGGGCCAAGAGAAGC >23_24_18 AAAAAACCACGGGCCAAGAGGAGC >24_24_2 AAAAAACCATAACCTACCTCCACC >25_22_1 AAAAAACCATCTTTCAATTTCT >27_17_2 AAAAAACCCATTTTAAA >30_24_3 AAAAAACCGATAGTTGCGAATTCA >33_23_5 AAAAAACGGAAAGAGGTAGTCAA >34_24_5 AAAAAACGGACTTCAAAGTAGATT >35_24_7 AAAAAACGGGCTGAGACGACGGAA >36_25_4 AAAAAACGGGCTGAGACGACGGAAC >39_24_14 AAAAAACGTTGGGCACAGAAGATA >40_24_5 AAAAAACTAAATGCAAATGACGGC >41_15_4 AAAAAACTAAGAAAA >44_23_1 AAAAAACTACAGTAAATCACCAT >45_15_19 AAAAAACTACTGAAT >46_24_11 AAAAAACTACTGGCCAAGAGGAGC >48_24_7 AAAAAACTATCGGATCTCCTCCAT >49_24_7 AAAAAACTATGAACAACTGAACGC >51_15_1 AAAAAACTCCTATTT >52_23_8 AAAAAACTCGAGACCTCTGATTA >54_23_3 AAAAAACTCTACAACAGATGATG >55_22_9 AAAAAACTCTGATCAAGCATGA >57_25_2 AAAAAACTCTGATCAAGCATGACGA >58_24_22 AAAAAACTCTGTTCACGGTATATA >60_24_23 AAAAAACTGAACAAAGCGGAAGAC >61_24_2 AAAAAACTGAACCGACTGATAAGC >63_23_6 AAAAAACTGAAGGAGTCTGTCAA >65_24_4 AAAAAACTGGCTGAGACGACGGAA >66_25_5 AAAAAACTGGCTGAGACGACGGAAC >67_24_2 AAAAAACTGGCTGAGACGACGGAT >68_23_7 AAAAAACTGTAGCAAGCGAGAAG >69_24_2 AAAAAACTGTATAATTCGCTATAC >72_23_1 AAAAAACTTCCTTATCTTAACAA >74_24_5 AAAAAACTTGGACAAGGCGGCTCA >75_24_11 AAAAAACTTGTAGAAAGCAGAAGA >78_24_6 AAAAAACTTTTAACAGATGGCATA 问题： a. 把所有小rna序列拼接，并以八十个碱基为一行进行打印; b. 计算上述序列的Ｇ＋Ｃ的含量； c. 求小rna的unique基因数目（提示：求">"个数） d. 求小rna的总数（把所有如"2_24_3"格式中的最后一个数相加）

06-28

= "":all_sequence +=current_sequencecurrent_sequence= ""#处理当前头部header= line.strip()[1:]#去掉">"和换行符#按照下划线分割，取最后一个字段，并转换为整数parts =header.split('_')if parts:#确保有内容...

python计算目标文件夹中各文件的GC含量

weixin_46862337的博客

05-07

627

文件夹遍历，GC含量计算，生物，python

基于python的计算基因组_【ROSALIND】【练Python，学生信】05 计算DNA序列GC含量

weixin_35133280的博客

12-23

1477

题目：计算DNA序列GC含量(Computing GC content)Given: At most 10 DNA strings in FASTA format (of length at most 1 kbp each).所给：不超过10条DNA序列，每条最少1kbp，以FASTA格式提供。Return: The ID of the string having the highest GC-c...

使用python进行序列的GC含量的统计

m0_69603624的博客

08-26

2170

使用python进行序列的GC含量的统计

python练习题1 计算多个DNA序列中,GC比最高的序列

qq_25055921的博客

11-12

3839

这是题目连接：http://rosalind.info/problems/gc/ 解决思路可以有多种，下面提供我想到的两种解决思路。解决思路1.可以通过collections模块中的OrderedDict，将字典排序，。从而找到GC比最高的序列：下面是代码： #!/usr/bin/env python #_*_ coding: utf-8 _* from operator impo

一个简单的Perl脚本求单条序列的GC含量

ncyujijian的博客

07-12

755

#!/usr/bin/perl use strict; use warnings; ##初学Perl，代码比较简单，其实还有更简单的解决办法，请勿拍砖 my $str = "ACGTACGTACGT"; ##$str为目标序列，即计算该序列的GC% my @lines = split //,$str; ##将目标序列分割成单个碱基，并将单个碱基存入数组 my($num_A,$num_G,$num_C,$num_T) = (0,0,0,0); 初始化各种碱基的值，起始值为0 foreach my $char

python汇总统计_python：批量汇总统计fastq文件序列数、碱基数、GC%、MaxLength、MinLength...

weixin_36373013的博客

02-21

1292

导读前面写了类似的上篇，用来处理一个样品的测序数据。这篇可以处理多个测序数据。一、输入数据tree rawdatarawdata├── CON1_R1.fastq├── CON1_R2.fastq├── CON2_R1.fastq├── CON2_R2.fastq├── CON3_R1.fastq├── CON3_R2.fastq├── TREAT1_R1.fastq├── TREAT1_R2.f...

统计 fasta 文件序列长度及 GC 含量

weixin_30887919的博客

01-14

2607

注：该脚本适用于序列不断开的情况可用一下命令将折行的序列合并为一行 awk '/^>/ {printf("\n%s\t",$0);next;} {printf("%s",$0);} END {printf("\n");}' < assembly.fasta | egrep -v '^$' | tr "\t" "\n" > assembly.fas 运行脚本 python ...

解决Java逐行读取带有行缩进的fasta文件

学术程稻属

03-23

1989

在生物信息领域读取fasta文件是重要的序列信息储存载体，分为开头注释和序列信息两部分。在上一篇博客中，小编已经分享了Java读取fasta文件的方法。详情请见：Java逐行读取fasta文件上面提到的方法是通过逐行读取源文件，因此可以有效区分标签和序列。但是实际使用的时候由于fasta文件的来源网站不同，其源文件中会出现序列带有换行符的情况（如下图，其实每一段序列中间的每一行末尾都有“\n”分隔），这样的情况下用刚刚的代码就不灵了（一段序列会被逐行读取成多段序列）。我们需要进行一些预处理。方法1：

完成基因序列（fasta格式）的提取，核苷酸计数，GC含量计算，DNA 翻译为 RNA，RNA 翻译为蛋白质，反向序列获取的相关函数

zhangyingna667的博客

03-30

2901

from __future__ import division#这是计算gc含量需要的模块，需要在首行导入，否则会报错 import re#04_3 DNA 翻译为 RNA时会用得着 #01打开下载的文件 with open('sequence01.fasta') as file: for line in file: print (line) #02把描述字段和序列分...