快速解析字典序列

Question

我需要最简单的解决方案来转换法斯塔.txt包含多个核苷酸序列

>seq1
TAGATTCTGAGTTATCTCTTGCATTAGCAGGTCATCCTGGTCAAACCGCTACTGTTCCGG
CTTTCTGATAATTGATAGCATACGCTGCGAACCCACGGAAGGGGGTCGAGGACAGTGGTG
>seq2
TCCCTCTAGAGGCTCTTTACCGTGATGCTACATCTTACAGGTATTTCTGAGGCTCTTTCA
AACAGGTGCGCGTGAACAACAACCCACGGCAAACGAGTACAGTGTGTACGCCTGAGAGTA
>seq3
GGTTCCGCTCTAAGCCTCTAACTCCCGCACAGGGAAGAGATGTCGATTAACTTGCGCCCA
TAGAGCTCTGCGCGTGCGTCGAAGGCTCTTTTCGCGATATCTGTGTGGTCTCACTTTGGT

到dictionary（name，value）对象，其中name将作为标题，value将分配给对应的序列。在

下面你可以通过两个列表找到我失败的尝试（不适用于包含1行的长序列）

^{pr2}$

如果您能给我提供如何修复它的解决方案，以及如何通过单独的函数来实现它的示例，我将不胜感激。在

谢谢你的帮助

格雷布

Answer 1

对代码的简单更正：

from collections import defaultdict #this will make your life simpler
f = open('input2.txt','r')
list=defaultdict(str)
name = ''
for line in f:
    #if your line starts with a > then it is the name of the following sequence
    if line.startswith('>'):
        name = line[1:-1]
        continue #this means skips to the next line
    #This code is only executed if it is a sequence of bases and not a name.
    list[name]+=line.strip()

更新：

因为我收到通知说这个旧的答案被否决了，所以我决定用Python3.7来展示我现在认为是正确的解决方案。转换到Python2.7只需要删除输入导入行和函数注释：

^{pr2}$

现在，我意识到OP要求的是“最简单的解决方案”，然而，既然他们在研究基因组数据，那么假设每个序列都可能非常大似乎是合理的。在这种情况下，通过将序列行收集到一个列表中，然后在最后对这些列表使用str.join方法来生成最终结果，这是有意义的。在

Answer 2

最好使用biopython库

from Bio import SeqIO
input_file = open("input.fasta")
my_dict = SeqIO.to_dict(SeqIO.parse(input_file, "fasta"))