使用Biopython（Python）从FASTA文件中提取序列

好的，所以我需要使用python（biopython，）从FASTA文件中提取序列的一部分

我需要从每个序列中获得前10个碱基，并将它们放在一个文件中，保留FASTA格式中的序列信息。最糟糕的是，如果没有办法保存序列信息，我可以使用碱基。下面是一个例子：

>gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S rRNA gene and ITS1 and ITS2 DNA
CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGGAATAAACGATCGAGTG
AATCCGGAGGACCGGTGTACTCAGCTCACCGGGGGCATTGCTCCCGTGGTGACCCTGATTTGTTGTTGGG

>gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S rRNA gene and ITS1 and ITS2 DNA
CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGGAATAAACGATCGAGTG
AATCCGGAGGACCGGTGTACTCAGCTCACCGGGGGCATTGCTCCCGTGGTGACCCTGATTTGTTGTTGGG

>gi|2765658|emb|Z78533.1|CIZ78533 C.irapeanum 5.8S rRNA gene and ITS1 and ITS2 DNA
CGTAACAAGGTTTCCGTAGGTGAACCTGCGGAAGGATCATTGATGAGACCGTGGAATAAACGATCGAGTG
AATCCGGAGGACCGGTGTACTCAGCTCACCGGGGGCATTGCTCCCGTGGTGACCCTGATTTGTTGTTGGG

---

我需要一些方法来获得前10个垒（然后我计划在最后10个垒再做一次）。那个教程网站非常全面，但我是新手，因为它不涉及这个，我甚至不确定它是否可能。感谢您提供的帮助。

Biopython Seq对象基本上是一个数组，因此您可以指定其中的子部分，并将其传递到新的Seq对象中。假设您已将这些内容读入seqrecord（字典），然后使用以下代码只需指定开始-结束位置

SeqRecords[Seq][start:end].seq

这将为您提供SeqRecord的起始位置和结束位置之间的序列对象，它们是整数。从记忆中可以看出，开始/结束索引有一些有趣之处，但要想了解这一点，不妨尝试一下。您还应该能够指定：

SeqRecords[Seq][:end].seq

从SeqRecord的开头获取序列

为了完整性，请阅读以下文件：

inputSeqFile = open(filename, "rU")
SeqDict = SeqIO.to_dict(SeqIO.parse(inputSeqFile, "fasta"))
inputSeqFile.close()

---

希望能有所帮助。

Biopython非常适合这些任务。

Seq

-对象存储序列及其相关信息。读取fasta文件格式很简单。您可以像访问简单列表一样访问序列，因此也可以直接访问某些位置：

from Bio import SeqIO

with open("outfile.txt","w") as f:
        for seq_record in SeqIO.parse("infile.fasta", "fasta"):
                f.write(str(seq_record.id) + "\n")
                f.write(str(seq_record.seq[:10]) + "\n")  #first 10 base positions
                f.write(str(seq_record.seq[-10:]) + "\n") #last 10 base positions