在Python或R中连接多个DNA序列文本文件？

我想知道如何使用Python或R连接exon/DNA fasta文件

示例文件： 到目前为止，我非常喜欢在cbind方法中使用R-ape包，这完全是因为

fill.with.gaps=TRUE

属性。当一个物种缺少一个外显子时，我真的需要插入缺口

我的代码：

ex1 <- read.dna("exon1.txt", format="fasta")
ex2 <- read.dna("exon2.txt", format="fasta")
output <- cbind(ex1, ex2, fill.with.gaps=TRUE)
write.dna(output, "Output.txt", format="fasta")

exon2.txt

>sp1
AGG-G
>sp2
CTGAT
>sp3
CTTTT

输出文件：

>sp1
AAAAAGG-G
>sp2
CCCCCTGAT
>sp3
----CTTTT

到目前为止，当我有多个外显子文件（试图找出一个循环来打开并执行目录中以.fa结尾的所有文件的cbind方法）时，我在尝试应用此技术时遇到了困难，有时并非所有文件的外显子长度都相同-因此DNAbin停止工作

到目前为止，我已经：

file_list <- list.files(pattern=".fa") 

myFunc <- function(x) {
   for (file in file_list) {
     x <- read.dna(file, format="fasta")
     out <- cbind(x, fill.with.gaps=TRUE)
     write.dna(out, "Output.txt", format="fasta")
   }
}

---

file\u list我刚刚用Python 3给出了这个答案：

def read_fasta(fasta): #Function that reads the files
  output = {}
  for line in fasta.split("\n"):
    line = line.strip()
    if not line:
      continue
    if line.startswith(">"):
      active_sequence_name = line[1:]
      if active_sequence_name not in output:
        output[active_sequence_name] = []
      continue
    sequence = line
    output[active_sequence_name].append(sequence)
  return output

with open("exon1.txt", 'r') as file: # read exon1.txt
  file1 = read_fasta(file.read())
with open("exon2.txt", 'r') as file: # read exon2.txt
  file2 = read_fasta(file.read())

finaldict = {}                                     #Concatenate the
for i in list(file1.keys()) + list(file2.keys()):  #both files content
  if i not in file1.keys():
    file1[i] = ["-" * len(file2[i][0])]
  if i not in file2.keys():
    file2[i] = ["-" * len(file1[i][0])]
  finaldict[i] = file1[i] + file2[i]

with open("output.txt", 'w') as file:  # output that in file 
  for k, i in finaldict.items():       # named output.txt
    file.write(">{}\n{}\n".format(k, "".join(i))) #proper formatting

很难对它进行完整的评论和解释，这可能对你没有帮助，但这总比什么都没有好：p

我使用了从answer到的Łukasz Rogalski的代码。
如果您更喜欢使用Linux一行程序，请使用您现有的

      cat exon1.txt exon2.txt > outfile

如果您只需要outfile中的唯一记录，请使用

      awk '/^>/{f=!d[$1];d[$1]=1}f' outfile > sorted_outfile

你能解释一下它应该做什么吗？简言之，它连接了两个文件的DNA字符串。它连接了两个fasta文件，因为现在我已经把基因分解成外显子文件，但我需要将它们组合起来运行某个程序。谢谢！我将尝试这段代码，并对其进行一些调整，以将某个目录中的所有文件连接起来，因为对20多个外显子文件使用“with open”会很乏味。我也只知道Python 2.7，但再次感谢您对我的帮助！我很感激！我认为它在Python2中可以工作，但我没有测试它：PIt在Python2.7中工作。再次感谢你。你和拉克希米的评论都帮助我想出了一些代码来简化我的工作。干杯我确实试过了，但由于某种原因，它弄乱了我的Fasta格式，我真的不知道为什么。我的文件最后的>名称也以随机行连接在一起……前面的注释对数据进行了排序，但没有保持fasta格式的完整性。很抱歉，提供了错误的命令。我已经编辑了第二条命令，这可以解决你的问题@DNAngel谢谢！这帮了大忙：）
      awk '/^>/{f=!d[$1];d[$1]=1}f' outfile > sorted_outfile