用于在Python中从公共数据库解析生物序列的脚本
问候stackoverflow社区，
我目前正在关注生物信息学模块作为生物医学学位的一部分（我基本上是一个python新手），并且作为Python编程任务的一部分需要以下任务：
提取基序序列（氨基酸序列，所以基本上是编程说话中的字符串，已从实现多序列比对的算法中切除，随后进行迭代数据库扫描以生成最佳保守序列。最终的想法是从这样的“推断出功能意义”主题“）。
这些图案存储在公共数据库中的文件中，该文件具有对应于每种蛋白质的多个数据字段（uniprot ID，登录号，对齐本身存储在超链接.seq文件中），目前其中一个在该范围内是感兴趣的。数据字段称为“提取的图案集”。
我的问题是如何编写一个基本上解析“主题字符串”并将它们输出到文件的脚本。我现在编写了脚本，使其看起来如下（我还没有将结果写入文件）：
import os, re, sys, string
printsdb = open('/users/spyros/folder1/python/PRINTSmotifs/prints41_1.kdat', 'r')
protname = None
final_motifs = []
for line in printsdb.readlines():
if line.startswith('gc;'):
protname = line.lstrip()
#string.lower(name) # convert to lowercase
break
def extract_final_motifs(protname):
"""Extracts the sequences of the 'final motifs sets' for a PRINTS entry.
Sequences are on lines starting 'fd;' A simple regex is used for retrieval"""
for line in printsdb.readlines():
if line.startswith('fd;'):
final_motifs = re.compile('^s+([A-Z]+)s+<')
final_motifs = final_motifs.match(line)
#print(final_motifs.groups()[0])
motif_dict = {protname : final_motifs}
break
return
motif_dict = extract_final_motifs('ADENOSINER')
print(motif_dict)
没有找到相关结果
已邀请:
2 个回复
嗓瑰
lien2改为变量说。循环将做的是将文件逐行返回为之后的变量。现在问题是如何形成文件。听起来没有任何数据字段有任何间距。然后这意味着你可能会做line.split(" ")line.split("t")meastab。拆分将执行它所说的每次看到一个或时根据你在程序中写的内容分配字符串。 找到文件的Saning目录应该不是很难，这里可能有一些问题。 如果您发布数据或其中一个文件的一部分，以便我们可以查看它，我们可以帮助您解析它:)。诉嘎归亮