問題タブ [fasta]

Ensembl FASTA ファイルからタンパク質モチーフを見つけようとしています。シーケンス ID やシーケンス自体の取得など、スクリプトの大部分は完了しましたが、おかしな結果が返ってきました。

何が起こっているかというと、モチーフがデータの 1 行の終わりと次の行の先頭にある場合、データ内の改行を含むモチーフが返されます。データを丸呑みするこの方法は、以前はうまく機能していました。

サンプル結果:

これが問題です。モチーフは一致しますが、前半の改行を返し、後半も同じ行に出力します (これは、より大きな問題の症状です - 改行を取り除く!)

@seq =~ s/\r//gまたは `s/\n//gなどのさまざまな方法を、スクリプト内のさまざまな場所で試しました。

非常に大きな fasta ファイルが 2 つあり、どちらも約 2GB です。いくつかのシーケンスが同じ名前を共有しているため、次のようになります。

R1.fasta で:

">ABC001 ACTGTGTCGTG

">ABC003 ACTGTGTCGTG

">ABC005 ACTGTGTCGTG

">ABC010 ACTGTGTCGTG

そしてR2.fastaで

">ABC002 ACTGTGTCGTG

">ABC003 ACTGTGTCGTG

">ABC005 ACTGTGTCGTG

">ABC009 ACTGTGTCGTG

2 つのファイル間で共有されているシーケンスを見つけて、新しい fasta ファイルに書き込み、2 つのシーケンスをギャップで結合できるようにしたいので、新しいファイルは次のようになります。

">ABC003 ACTGTGTCGTG-----ACTGTGTCGTG

">ABC005 ACTGTGTCGTG-----ACTGTGTCGTG

このジョブを実行するための Python スクリプトを作成しましたが、実行速度が非常に遅くなりました。これを行うためのより速い方法があるかどうか疑問に思います。ありがとう！コードは次のようになります。

さまざまな長さの各ファイルに数千の seq を含む複数の fasta ファイルがあります。各配列の最初の 200 (n) 塩基のみを保持したいと考えています。Perlでこれを行うにはどうすればよいですか?

改行文字を含まない fasta ファイルがあります。ファイルは次のようになります。

このファイルを読み取り、すべてのシーケンス ID とシーケンス自体の最後に改行文字を挿入する Python プログラムを作成しようとしていたでしょう。出力が次のようになることを願っています。

これまでのところ、私はこれを持っています:

エラー メッセージはありません (構文は「正しい」) が、必要な特定の出力が生成されません。どんな提案でも大歓迎です。

Python を使用して fasta ファイルを解析するための汎用パーサーを作成する必要があります。

形式は次のようになります。

各タイトルとシーケンスを個別に取得し、作成した MySQL データベースに値を挿入する必要があります。

など... これらの値を MySQL テーブルに挿入します。

私の解析の出力は次のようになります。

これまでのところ、次のような非常に基本的なスクリプトを作成しました。

最初のシーケンスとタイトルのみを取得しています。

私は初心者で、専門家の助けが必要です。

1.blastこのような座標情報を含むファイルがあります

1.fastaこのようなシーケンス情報を含むファイル

私は今、最初の列から取得し1.blast、それらのシーケンス ID (=最初の列) とシーケンスを抽出し、次にシーケンス自体からファイル間の位置とファイルからの$1位置を除くすべてを抽出するスクリプトを検索しています。つまり、最初の 2 つの一致から出力が$7$81.fasta

>1( の最初の 3 つのエントリはこの順序ではないことに注意してください)

ID は連続しています。つまり、必要な情報を次のように抽出できます。

これにより、最初の列に正しいシーケンス識別子行、2 番目の列に正しいシーケンス行 (= ID 行の 1 つ後)、および除外する必要がある 2 つの座標を含むマトリックスが得られます。1.fastaしたがって、基本的には、要素が抽出されるすべての必要な情報を含むマトリックス

残念ながら、私はスクリプト作成の経験があまりないため、適切なsedコマンドなどで値を入力する方法がわかりません。次のような特定の行を取得できます。

そして、例えば経由で削除したい文字列

しかし、私の問題は、最初のawk呼び出しからの情報を他のコマンドにパイプして、正しい行を抽出し、シーケンス行から指定された座標を削除する方法です。したがって、substr正しいコマンドではありません。特定の文字列からこれら 2 つの位置の間のすべてを削除するコマンドが必要remstr(string,start,stop)ですが、独自のスクリプトで実行できると思います。特に正しい配管は、ここで私にとって問題です。

スクリプト (下記参照) を実行して fasta ファイルを読み込み、タクソノミー ファイルを出力しようとしています (「>」文字を含まないシーケンス ヘッダーのみを出力します) が、解決できない構文エラーが発生し続けます。 . その結果、スクリプトは cleanseqs.tax ファイルを作成しますが、ファイルは空白です。誰でも助けてもらえますか？

ありがとうございました！

私はpythongプログラミングが初めてで、特定のソフトウェアで使用するために解析したいfastaファイルを持っています。ファイルには次の 2 行が含まれます: 1) スペースで区切られた配列識別子と分類法。分類法の最後の種名にもスペースが含まれる場合があります。2) DNA 配列 (以下の例を参照):

多くの苦労と助けを借りて、fasta ファイルをシーケンス ID と分類のみを示す分類ファイルに解析することができました。

ただし、私が使用するソフトウェアでは、分類法ファイルを特別な方法でフォーマットする必要があります。分類法ファイルの内容は、1) fasta ファイルから「>」を削除する必要があります。2) 識別子と分類法を各シーケンス ヘッダーからタブで区切ります (つまり、文字列内の最初のスペースを置き換えます)。タブで)、3) 分類文字列内のすべてのスペースを「_」に置き換え、分類をセミコロンで終了します (以下の例を参照)。

私は自分の作業スクリプトをいじってそうしようとしています:

それを次のように変更します。

しかし、これはまったく機能しません。どうすればこれを行うことができるか知っている人はいますか？

助けてくれて本当にありがとうございます！

私はまだUnixに慣れていませんが、それを学びたいと思っています.2つのファイルがあり、いくつかの行には一致する部分文字列があります.これらの行を1行に連結し、他の行はそのままにしておきたい. 以下はその例です..

ファイル 1 (fasta ファイル):

ファイル 2:

望ましい出力:

そのためにawkとperlを使用しようとしましたが、それらを1つのファイルにまとめることができませんでした..

よろしくお願いします、M