Python fasta.gz上的SeqIO.parse

新的编码。Pytho/biopython的新成员；这是我第一个在线问题。 如何打开一个压缩的fasta.gz文件以提取信息并在函数中执行计算。下面是一个简单的例子，说明我正在尝试做什么（我尝试了不同的方法），以及错误是什么。我使用的gzip命令似乎不起作用

with gzip.open("practicezip.fasta.gz", "r") as handle:
    for record in SeqIO.parse(handle, "fasta"):
        print(record.id)

Traceback (most recent call last):

  File "<ipython-input-192-a94ad3309a16>", line 2, in <module>
    for record in SeqIO.parse(handle, "fasta"):

  File "C:\Users\Anaconda3\lib\site-packages\Bio\SeqIO\__init__.py", line 600, in parse
    for r in i:

  File "C:\Users\Anaconda3\lib\site-packages\Bio\SeqIO\FastaIO.py", line 122, in FastaIterator
    for title, sequence in SimpleFastaParser(handle):

  File "C:\Users\Anaconda3\lib\site-packages\Bio\SeqIO\FastaIO.py", line 46, in SimpleFastaParser
    if line[0] == ">":

IndexError: index out of range

以gzip.open（“practicezip.fasta.gz”、“r”）作为句柄的

：
对于SeqIO.parse（句柄，“fasta”）中的记录：
打印（record.id）
回溯（最近一次呼叫最后一次）：
文件“”，第2行，在
对于SeqIO.parse（句柄，“fasta”）中的记录：
文件“C:\Users\Anaconda3\lib\site packages\Bio\SeqIO\\uuuu init\uuuu.py”，第600行，在parse中
对于i中的r：
文件“C:\Users\Anaconda3\lib\site packages\Bio\SeqIO\FastaIO.py”，第122行，在FastaIterator中
对于标题，SimpleFastaParser（句柄）中的序列：
SimpleFastaParser中的文件“C:\Users\Anaconda3\lib\site packages\Bio\SeqIO\FastaIO.py”，第46行
如果第[0]行==“>”：
索引器：索引超出范围

您正在使用python3吗

这个（“r”->“rt”）可以解决您的问题

import gzip
from Bio import SeqIO

with gzip.open("practicezip.fasta.gz", "rt") as handle:
    for record in SeqIO.parse(handle, "fasta"):
        print(record.id)

---

如果要同时处理常规文本和gzip文件，以下是一个解决方案：

import gzip
from mimetypes import guess_type
from functools import partial
from Bio import SeqIO

input_file = 'input_file.fa.gz'

encoding = guess_type(input_file)[1]  # uses file extension
_open = partial(gzip.open, mode='rt') if encoding == 'gzip' else open

with _open(input_file) as f:
    for record in SeqIO.parse(f, 'fasta'):
        print(record)

注意：这取决于文件是否具有正确的文件扩展名，我认为这几乎在所有情况下都是合理的（如果不满足此假设，则错误是显而易见的）。但是，我们需要找到一些方法来实际检查文件内容，而不是依赖于这个假设。

@klim的答案很好。 但是，在某些情况下，您不想迭代，只需选择一个条目。在这种情况下，请使用以下代码：

import pyfastx
fa = pyfastx.Fasta('ATEST.fasta.gz')
s1 = fa['KF530110.1']
fa_sequence = s1.seq

---

它创建一个附加文件，即为每个fasta条目编制索引。它真的很快。

当我不小心用错误的格式解析了一个fastq文件时，我遇到了与此类似的错误。如果您解压缩fasta文件并使用文本编辑器对其进行简要检查，您不会看到任何异常情况？