使用单独文本文件中的ID从7 GB fasta文件中提取多个序列问题的回答

使用单独文本文件中的ID从7 GB fasta文件中提取多个序列

回答此问题可获得 20 贡献值，回答如果被采纳可获得 50 分。

在这个网站上搜索了几个小时，尝试了很多不可行的方法之后，我决定发布我自己的问题。我目前有一个文本文件（id.txt），其中包含大约100行以下id： <pre><code>5377-P3-D5-MSITS2a_R1reads1_1125821 5377-P3-D5-MSITS2a_R1reads1_1126992 </code></pre> 我有一个7GB的fasta文件，其中包含表单中的条目 <pre><code>>5377-P3-D5-MSITS2a_R1reads1_1125821 M00532:203:000000000-BKM3D:1:1101:10654:16493 1:N:0:213 orig_bc=AAAAAAAAAAAA new_bc=AAAAAAAAAAAA bc_diffs=0 AAGTCGTAACAAGGTCTCCGTAGGTGAACCTGCGGAGGGATCATTACACAAATATGAAGGCGGGCTGGAACCTCTCGGGGTTACAGCCTTGCTGAATTATTCACCCTTGTCTTTTGCGTACTTCTTGTTTCCTTGGTGGGTTCGCCCACCACTAGGACAAACATAAACCTTTTGTATTGGCA >5377-P3-D5-MSITS2a_R1reads1_1126992 M00532:203:000000000-BKM3D:1:1104:27124:5463 1:N:0:213 orig_bc=AAAAAAAAAAAA new_bc=AAAAAAAAAAAA bc_diffs=0 AAGTCGTAACAAGGTCTCCGTAGGTGAACCTGCGGAGGGATCATTACACAAATATGAAGGCGGGCTGGACCCTCTCGGGGTTACAGCCTTGCTGAATTATTCACCCTTGTCTTTTGCGTACATCTTGTTTCCTTTGTTGTTTCTCCCACCCCTAGGACAAACATAAACCTTTAGTAATTTCAATCAGCGT >5377-P3-D5-MSITS2a_R1reads1_1129826 M00532:203:000000000-BKM3D:1:1110:14480:9405 1:N:0:213 orig_bc=AAAAAAAAAAAA new_bc=AAAAAAAAAAAA bc_diffs=0 AAGTCGTAACAAGGTCTCCGTAGGTGAACCTGCGGAGGGATCATTACACAAATATGAAGGCGGGCTGGAAACTCTCGAGGTTACAGCCTTGCTGAATTATTAACCCTTGTCGTTCGCGTACTTCTTGTTTCCTTGGTGTGTTCGCCCACCACAAGTAAAAACATAAACCTTTTGTAA </code></pre> id.text中的所有id都可以在seq.fasta中找到。预期输出将在ID.text文件的fasta文件中找到匹配的ID号，并生成： <pre><code>>5377-P3-D5-MSITS2a_R1reads1_1125821 M00532:203:000000000-BKM3D:1:1101:10654:16493 1:N:0:213 orig_bc=AAAAAAAAAAAA new_bc=AAAAAAAAAAAA bc_diffs=0 AAGTCGTAACAAGGTCTCCGTAGGTGAACCTGCGGAGGGATCATTACACAAATATGAAGGCGGGCTGGAACCTCTCGGGGTTACAGCCTTGCTGAATTATTCACCCTTGTCTTTTGCGTACTTCTTGTTTCCTTGGTGGGTTCGCCCACCACTAGGACAAACATAAACCTTTTGTATTGGCA >5377-P3-D5-MSITS2a_R1reads1_1126992 M00532:203:000000000-BKM3D:1:1104:27124:5463 1:N:0:213 orig_bc=AAAAAAAAAAAA new_bc=AAAAAAAAAAAA bc_diffs=0 AAGTCGTAACAAGGTCTCCGTAGGTGAACCTGCGGAGGGATCATTACACAAATATGAAGGCGGGCTGGACCCTCTCGGGGTTACAGCCTTGCTGAATTATTCACCCTTGTCTTTTGCGTACATCTTGTTTCCTTTGTTGTTTCTCCCACCCCTAGGACAAACATAAACCTTTAGTAATTTCAATCAGCGT </code></pre> 目前，我可以使用bash中的grep一次从fasta文件中提取一个序列，只需从文件中复制和粘贴一个ID即可 例如：<code>grep 5377-P3-D5-MSITS2a_R1reads1_1126992 seq.fasta -A 1</code> 结果: <pre><code>>5377-P3-D5-MSITS2a_R1reads1_1126992 M00532:203:000000000-BKM3D:1:1104:27124:5463 1:N:0:213 orig_bc=AAAAAAAAAAAA new_bc=AAAAAAAAAAAA bc_diffs=0 AAGTCGTAACAAGGTCTCCGTAGGTGAACCTGCGGAGGGATCATTACACAAATATGAAGGCGGGCTGGACCCTCTCGGGGTTACAGCCTTGCTGAATTATTCACCCTTGTCTTTTGCGTACATCTTGTTTCCTTTGTTGTTTCTCCCACCCCTAGGACAAACATAAACCTTTAGTAATTTCAATCAGCGT </code></pre> 但是，我有多个文本文件，每个文件包含50-300个ID，我想用它们从FASTA文件中提取序列，而单独提取序列似乎不必要地耗时。我想找到一种方法，从位于单独文本文件中的多个ID的fasta文件中查找和输出序列。我主要在bash中试验了awk和grep命令，这主要是基于这个站点上的其他答案，我尝试的几乎每一个命令都不会产生结果，也不会产生错误消息 我尝试过的例子： <pre><code>awk -F '>' 'NR==FNR{ids[$0]; next} NF>1{f=($2 in ids)}f' id.txt seq.fasta awk 'NR==FNR{ids[$0];next} /^>/{f=($1 in ids)} f' id.txt seq.fasta grep -Fwf id.txt seq.fasta grep -Ff id.txt seq.fasta </code></pre> 我觉得我已经尝试了这两个命令的许多变体（基于其他堆栈溢出和biostar建议），在bash中，什么都没有发生，没有结果，也没有错误消息。我在编码方面也是一个相对的初学者，所以我不能准确地指出哪里出了问题。我也对任何可以使用的python或其他代码持开放态度。任何帮助或建议都将不胜感激。谢谢

0 条评论
分类：Python问答

默认排序时间排序

1 个回答

匿名 1天前

　擅长：python、mysql、java

使用单独文本文件中的ID从7 GB fasta文件中提取多个序列

1 个回答

相关Python问题