Python：如何根据序列基而不是它们的头名称除去序列？

Question

我想根据序列成分来推导两个文件，而不是使用头文件名来删除序列。有没有其他方法可以让我推断出顺序？有人能帮我吗？如果下面的fasta头被>；human替换，则以下代码将无法运行。你知道吗

代码

from Bio import SeqIO

input_file = 'a.fasta'
merge_file = 'original.fasta'
output_file = 'results.fasta'
exclude = set()
fasta_sequences = SeqIO.parse(open(input_file),'fasta')
for fasta in fasta_sequences:
    exclude.add(fasta.id)

fasta_sequences = SeqIO.parse(open(merge_file),'fasta')
with open(output_file, 'w') as output_handle:
   for fasta in fasta_sequences:
        if fasta.id not in exclude:
            SeqIO.write([fasta], output_handle, "fasta")

法斯塔

>chr12:15747942-15747949
TGACATCA
>chr2:130918058-130918065
TGACCTCA

原版.fasta

>chr3:99679938-99679945
TGACGTAA
>chr9:135822160-135822167
TGACCTCA
>chr12:15747942-15747949
TGACATCA
>chr2:130918058-130918065
TGACCTCA
>chr2:38430457-38430464
TGACCTCA
>chr1:112381724-112381731
TGACATCA

结果.fasta

>chr3:99679938-99679945
TGACGTAA
>chr9:135822160-135822167
TGACCTCA
>chr2:38430457-38430464
TGACCTCA
>chr1:112381724-112381731
TGACATCA

Answer 1

你可以互相核对顺序。但是要小心，这些序列可能不是100%匹配的，并且它们必须是这个方法所需要的结果。使用str(your_obj.seq)访问序列。你知道吗

在代码中，实现以下更改：

for fasta in fasta_sequences:
    exclude.add(str(fasta.seq))

在这里：

for fasta in fasta_sequences:
        if str(fasta.seq) not in exclude:

在您的示例中，您应该注意，results.fasta文件将只包含以下行，因为它是original.fasta中唯一与a.fasta中的序列不匹配的序列。你知道吗

>chr3:99679938-99679945
TGACGTAA