Python 更改文件中fasta序列名称的格式，包括序列中的核苷酸编号

我不太懂编程，但我正在学习Linux和Python。 我有一个序列文件，里面有13500个序列。序列的名称是一种形式

>MP_scaffold_001_1

我想计算每个序列中核苷酸的数量，并想把它的名字改为

>MP_scaffold_001_1 <TAB> <Number_of_nucleotides>

>MP_脚手架_001_1

如果您在Python中使用生物序列，则不会出错。该类包含用于处理序列的工具，包括FASTA格式的序列。以下代码应该可以帮助您开始：

from Bio import SeqIO
with open("input.fasta", "r") as input, open("output.fasta", "w") as output:
    for seq in SeqIO.parse(input, "fasta"):
        length = "\t%d" % len(seq)
        seq.description += length
        SeqIO.write(seq, output, "fasta")

此代码首先打开两个文件处理程序，

输入

和

输出

，当处理完成时，它们将自动关闭。接下来，使用该方法迭代

input

中的每个序列（

seq

）。序列的长度由Python内置的

len（）

函数确定，格式字符串由制表符

\t

和

len（）

返回的数字生成。然后，通过将

length

变量的内容添加到每个

seq

的

description

字符串的末尾来修改该字符串。最后，新修改的记录以FASTA格式写入输出文件

---

我强烈建议阅读Biopython's，以熟悉模块提供的所有内容。

该文件如何指定每个序列中有多少核苷酸？@inspectorG4dget通常一个FASTA文件包含一行或多行，以

开头，给出序列的元数据，那么序列本身就在下一行，而不是以

开头。序列只是一个字母串，在这个例子中是DNA-a，T，C和G。如果你提供一个输入数据的例子（不是一个完整的文件，开玩笑的几块演示格式）会更好。啊哈，我在维基百科上看了一下格式。