Python 提取 Fasta 文件序列 ID 和部分序列并输出

使用 Python 代码提取 Fasta 文件序列 ID 和部分序列并输出

假设我们的 Fasta 文件名为'example.fasta'，其格式如下：

seq1 ATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCGATCG

我们需要提取出序列'seq1'的前 20 个碱基，以 Fasta 格式输出：

seq1:1-20 ATCGATCGATCGATCGATCG

下面是对应的 Python 代码实现：

with open('example.fasta', 'r') as f:
    lines = f.readlines()
    seq_id = lines[0].strip().lstrip('>')  # 提取序列 ID，去掉'>'符号
    seq = lines[1].strip()[:20]  # 提取前 20 个碱基

with open('output.fasta', 'w') as f:
    f.write('>{:1-20}
'.format(seq_id))  # 写入新的 Fasta header
    f.write(seq + '\n')  # 写入序列，保证在一行

代码解释：

• 第 1 行打开 Fasta 文件，读取所有行并存入变量'lines' 中；
• 第 2 行从第 1 行中提取序列 ID，并去掉'>'符号；
• 第 3 行从第 2 行中提取前 20 个碱基；
• 第 5 行打开输出文件'output.fasta'，以写入模式打开；
• 第 6 行写入新的 Fasta header，格式为'>seq_id:1-20'；
• 第 7 行写入序列，保证在一行。