fasta多行文件处理

最新推荐文章于 2020-08-10 20:11:37 发布
最新推荐文章于 2020-08-10 20:11:37 发布
阅读量613 收藏 4
点赞数 1
文章标签： r语言
原文链接：http://www.cnblogs.com/lmt921108/p/7714906.html
版权 
1.创建fa文件，如下，命令为1.fa
>SOX2    
ACGAGGGACGCATCGGACGACTGCAGGACTGTC
ACGAGGGACGCATCGGACGACTGCAGGACTGTC
ACGAGGGACGCATCGGACGACTGCAGGAC
>POU5F1    
CGGAAGGTAGTCGTCAGTGCAGCGAGTCCGT
CGGAAGGTAGTCGTCAGTGCAGCGAGTCC
>NANOG    
ACGAGGGACGCATCGGACGACTGCAGGACTGTC
ACGAGGGACGCATCGGACGACTGCAGG
ACGAGGGACGCATCGGACGACTGCAGGACTGTC
ACGAGGGACGCATCGGACGACTGCAGGACTGT

2.给>开头的行的行尾加上TAB键，以便隔开名字和序列，

sed 's/^\(>.*\)/\1\t/' test.fasta | cat -A   > 2.fa（cat -A可以显示所有的符号）  ###  \(\)表示记录匹配的内容，\1则表示()中记录的匹配的内容（没怎么看懂这个命令）

结果如下：

>SOX2^I$
ACGAGGGACGCATCGGACGACTGCAGGACTGTC$
ACGAGGGACGCATCGGACGACTGCAGGACTGTC$
ACGAGGGACGCATCGGACGACTGCAGGAC$
>POU5F1^I$
CGGAAGGTAGTCGTCAGTGCAGCGAGTCCGT$
CGGAAGGTAGTCGTCAGTGCAGCGAGTCC$
>NANOG^I$
ACGAGGGACGCATCGGACGACTGCAGGACTGTC$
ACGAGGGACGCATCGGACGACTGCAGG$
ACGAGGGACGCATCGGACGACTGCAGGACTGTC$

3.把所有的换行符替换为空格，tr

cat 2.fa  | tr '\n'   ' ' > 3.fa

>SOX2     ACGAGGGACGCATCGGACGACTGCAGGACTGTC ACGAGGGACGCATCGGACGACTGCAGGACTGTC ACGAGGGACGCATCGGACGACTGCAGGAC >POU5F1     CGGAAGGTAGTCGTCAGTGCAGCGAGTCCGT CGGAAGGTAGTCGTCAGTGCAGCGAGTCC >NANOG     ACGAGGGACGCATCGGACGACTGCAGGACTGTC ACGAGGGACGCATCGGACGACTGCAGG ACGAGGGACGCATCGGACGACTGCAGGACTGTC ACGAGGGACGCATCGGACGACTGCAGGACTGT

 

4.把最后一个空格替换成换行符

sed -e 's/ $/\n/' 3.fa > 4.fa

5.把‘ >’替换成换行符（空格+>）

sed -e 's/ >/\n>/g' 4.fa  > 5.fa

>SOX2     ACGAGGGACGCATCGGACGACTGCAGGACTGTC   ACGAGGGACGCATCGGACGACTGCAGGACTGTC   ACGAGGGACGCATCGGACGACTGCAGGAC
>POU5F1     CGGAAGGTAGTCGTCAGTGCAGCGAGTCCGT  CGGAAGGTAGTCGTCAGTGCAGCGAGTCC
>NANOG     ACGAGGGACGCATCGGACGACTGCAGGACTGTC   ACGAGGGACGCATCGGACGACTGCAGG ACGAGGGACGCATCGGACGACTGCAGGACTGTC ACGAGGGACGCATCGGACGACTGCAGGACTGT

6.把所有的空格替换掉

sed 's/  //g' 5.fa > 6.fa

>SOX2    ACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGAC
>POU5F1    CGGAAGGTAGTCGTCAGTGCAGCGAGTCCGTCGGAAGGTAGTCGTCAGTGCAGCGAGTCC
>NANOG　ACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGACTGT

7.把TAB键转换为换行符

sed 's/\t/\n/g'  6.fa > 7.fa

>SOX2
ACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGAC
>POU5F1
CGGAAGGTAGTCGTCAGTGCAGCGAGTCCGTCGGAAGGTAGTCGTCAGTGCAGCGAGTCC
>NANOG
ACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGACGAGGGACGCATCGGACGACTGCAGGACTGTCACGAGGGACGCATCGGACGACTGCAGGACTGT

 

转载于:https://www.cnblogs.com/lmt921108/p/7714906.html

weixin_30562507
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
生信必会格式：Fasta & Fastq 简介及转换
鬼话
11-20 1万+
FASTA和FASTQ文件，其实还是文本文件，用于存储序列信息。平时为了存储方便，节省空间，所以变成了GZ的压缩文件（二进制文件，不能直接用head、less等命令直接查看）。之前没有好好记笔记，现在补上😑。
一条命令实现fasta序列多行变单行
XH生信和机器学习空间
02-11 8198
许多序列处理软件要求fasta序列为单行，但很多时候下载的序列都是多行fasta序列，因此需要转换成单行fasta格式： 多行fasta文件未test.fa： test$cat test.fa >seq1 ATTAAAGGTTTATACCTTCC AATCTGTGTGGCTGTCACTC ACACGAGTAACTCGTCTATC >seq2 ATTAAAGGTTTATACCTTCC ...
如何提取fasta文件的部分信息
weixin_43949246的博客
06-20 2618
需要将下面的文件整理成三列 即整理成三列，第一列为蛋白ID，第二列为整个一行，第三列是gene ID,中间用制表符分割 #打开文件 f1 = open(‘X101SC19051138-Z01-bos_taurus-Customer.fasta’,‘r’) f2 = open(‘pname.list’,‘w’) #遍历 for i in f1: #判断开头是否以> if i.startsw...
SeqKit－FASTA/Q序列处理神器
gxy277的博客
03-26 7153
原文：http://www.oebiotech.com/Article/seqkitfast.html处理FASTA和FASTQ的工具SeqKithttp://bioinf.shenwei.me/seqkit/usage/。一、序列操作seqkit seq [flags] file参数:-p, --complement取互补序列--dna2rnaDNA to RNA-l, --lower-case...
《生物信息学》FASTA文件处理——Python
weixin_44036955的博客
09-09 2228
最近帮朋友做有关生物学的编程题，由于第一次接触有关FASTA文件的有关操作，用了不少时间才实现了如下功能：
常用Linux命令
anyi6536的博客
03-21 144
生物信息学数据分析过程中熟练使用Linux Shell命令可以大大提高工作效率。 1.1 查看文件的前/后n行 Linux 下面的命令显示文件名为filename的文件的前/后5行： 1 2 head filename -n5 tail filename -n5 设置-n后面的数字，可以指定要查看的...
Python处理多行文本问题--一个简单方法读取多行fasta文件
weixin_33984032的博客
03-10 1326
在处理fasta序列时，常常会遇到一条序列多行排列的现象，如下所示： $cat test.fasta >test_1 TGGGGAATCTTGGACAATGGGGGCAACCCTGATCCAGCCATGCCGCGTGAGCGATGAAGGCCTTAGGGTTGTAAAGCTCT TTCAGCTGGGAAGATAATGACGGTACCAGCAGAAGAAGCCCCGGCTAACTC...
perl实现去除fasta格式序列换行符
little^raccoon
03-20 1902
#!/usr/bin/perl -w use strict; unless (@ARGV==2){ die "Useage: perl $0 <input.fa> <out.length>\n"; } my($input,$output) = @ARGV; open INPUT,$input || die "error: can't open file: $input\n...
[笔记]python对FASTA文件的处理
热门推荐
Cccrush的博客
04-27 2万+
这学期选了生信的选修课—perl/python在生物信息学中的应用把结课作业的代码整理出来主要是python对FASTA文件的读取和数据处理FASTA文件数据处理FASTA文件读取：只含一个基因序列将FASTA文件的基因序列读取到一个列表中，列表中的每个元素为每一行基因序列构成的字符串f=open('/home/miaoyr/perl_practice/test1_file/DTNBP1.fast...
Python导入fasta格式的数据，并把多行碱基变为一行
04-16
以前导入数据时都是一行行的导入，有时需要根据数据指定特定的分隔符，比如以>开头的fasta数据，在处理过程中顺便把多行的碱基序列变成了一行，自己摸索的写出来的
JFASTA:FASTA文件格式的Java实现。-开源
04-29
JFASTA是用于处理FASTA文件的轻量级框架。 它支持读取，写入和解析单个或多个FASTA文件。 文件可以一次读取/写入，也可以基于流读取（内存效率高）。 它稳定，非常直观，并且可以与Java 1.5 SDK及更高版本很好地集成在一起。
FNA：处理FNA文件的某些功能（Fasta和Newick）
02-20
FastA文件的每个序列都由一个以“>”开头的标题行和随后的一行或多行序列字符组成。标题行提供了序列的标识或描述，而序列字符通常是单一字母的编码，如A、C、G、T代表DNA的四种碱基，或U代替T代表RNA。Java库如Bio...
csproj：使用C＃制作的自定义DNA序列搜索套件，用于.FASTA文件
02-12
标题中的“csproj”指的是一个C#项目文件，它通常关联于Microsoft的Visual Studio IDE，用于组织和管理C#编程的源代码、配置和...通过阅读和分析这些代码，可以深入了解文件处理、序列比对算法以及C#编程的最佳实践。
FASTX.jl：解析和处理生物序列的FASTA和FASTQ格式的文件
02-04
FASTX.jl是一个基于Julia语言的库，专门设计用于解析和操作生物信息学中的FASTA和FASTQ格式的文件。这两个格式在基因组学研究中极为常见，用于存储单个或多个核酸序列（DNA或RNA）及其相应的质量信息。 **FASTA格式...
extract_seq.py_fasta_extract_sequence_
09-30
一个FASTA文件通常由一系列记录组成，每个记录包含一个描述行（以大于号`>`开头）和一行或多行的序列数据。描述行通常包含序列的标识符和简短的描述信息，而序列数据则是不带空格的单字母氨基酸或核苷酸编码。 在...
FASTA序列格式说明
SHMILYRINGPULL的专栏
12-26 8804
fasta序列格式是blast组织数据的基本格式，无论是数据库还是查询序列，大多数情况都使用fasta序列格式，所以首先对fasta格式在做详细说明。 下面是一个来源于NCBI的fasta格式序列： >gi|187608668|ref|NM_001043364.2| Bombyx mori moricin (Mor), mRNA AAACCGCGCAGTTATTTAAAATATGAATAT
Extract Fasta Sequences Sub Sets by position
weixin_30852419的博客
12-04 94
cut -d " " -f 1 sequences.fa | tr -s "\n" "\t"| sed -s 's/>/\n/g' > sequences.tab while read id start end; do \ g=$(grep "$id" sequences.tab | cut -f 2 | cut -c $start-$end);\ echo ">$id";\ ...
pandas dataframe 将一行按拆分成多行
Jun的博客
06-20 9589
方法一： df=df.drop('cont', axis=1).join(df['cont'].str.split('/', expand=True).stack().reset_index(level=1, drop=True).rename('tag')) 方法二： df=df['cont'].str.split('/', expand=True).stack().re...
perl代码实现fasta序列多行转一行
ncyujijian的博客
08-10 1263
有的时候，很多fasta文件是这个样子的： 但是，有些软件或者程序只能是一行id，一行序列的读取。这就要求我们需要将上述格式序列多行转一行。下面这段代码可以解决上述问题。 #!/usr/bin/perl use strict; use warnings; my $id; my $seq; open IN,"$ARGV[0]" or die "Can't open fasta file!"; local $/ = ">"; <IN>;##第一个">"过掉 while (<I
fasta格式多行转为一行
最新发布
07-09
### 回答1： 在处理fasta格式文件时，有时候需要将多行的序列合并成一行。一种常用的方法是使用编程语言进行处理。 下面以Python为例，给出一个实现多行fasta格式转为单行fasta格式的示例代码： ```python def fasta_multiline_to_singleline(input_file, output_file): try: # 读取输入fasta文件 with open(input_file, 'r') as f: lines = f.readlines() # 去除fasta文件中的换行符和首行标识符“>” sequence = ''.join(lines[1:]).replace('\n', '') # 将序列写入输出fasta文件 with open(output_file, 'w') as f: f.write(lines[0] + sequence) print("转换成功！") except Exception as e: print("转换失败：" + str(e)) # 调用函数示例 input_file = "input.fasta" # 输入fasta文件名 output_file = "output.fasta" # 输出fasta文件名 fasta_multiline_to_singleline(input_file, output_file) ``` 在上面的代码中，我们通过readlines()函数读取输入fasta文件的内容，并将多行序列中的换行符去除。然后，将处理后的序列写入到输出fasta文件中，保留首行标识符“>”。 使用这段代码，你只需要替换输入文件和输出文件的文件名，即可将多行fasta格式转为一行。 当然，如果你对编程不熟悉，也可以使用文本编辑器或者命令行工具进行操作。你可以将fasta文件内容复制到文本编辑器中，利用替换功能将换行符替换为空格或逗号等符号，然后保存为新文件。如果使用命令行工具，你可以使用sed命令或者awk命令进行替换。 总之，无论是使用编程语言还是文本编辑器、命令行工具，都可以将多行fasta格式的序列转为单行。 ### 回答2： 要将fasta格式的多行序列转换为一行，可以使用以下python代码实现： ```python # 打开fasta文件 with open("input.fasta", "r") as fasta_file: # 读取文件内容 lines = fasta_file.readlines() # 删除换行符并连接序列 sequence = ''.join(lines[1:]).replace("\n", "") # 输出结果 with open("output.fasta", "w") as output_file: output_file.write(f'>{lines[0][1:]}') output_file.write(sequence) ``` 首先，我们使用`open()`函数打开fasta文件，并使用`readlines()`方法将文件内容读取到一个列表中。 然后，我们使用`join()`方法将除了第一行（序列名称行）之外的所有行连接成一个字符串，并使用`replace()`方法删除其中的换行符。 最后，我们使用`open()`函数以写入模式打开一个新文件，并使用`write()`方法将转换后的结果写入文件中。 请将代码中的"input.fasta"替换为你的fasta文件的路径，"output.fasta"替换为你想保存转换结果的路径。运行代码后，就可以得到一行格式的fasta序列文件。 ### 回答3： fasta（即FASTA）格式是一种常用的生物信息学格式，用于存储生物序列的信息。在fasta格式中，每个序列都以一个标题行开始，紧接着是序列的多行表示。如果需要将fasta格式的多行表示转换为一行表示，可以通过以下步骤实现： 1. 读取fasta文件：使用适当的编程语言（如Python）打开fasta文件，并按行读取其中的内容。 2. 忽略标题行：在读取fasta文件时，第一行通常是序列的标题行，它以">"符号开头。在进行格式转换时，可以将这行内容忽略不计。 3. 连接序列行：读取fasta文件的剩余行，将它们连接在一起以形成一个长的序列字符串。可以使用字符串连接操作符（如"+"）将这些行连接起来。 4. 删除换行符：连接序列行时，注意删除每行的换行符。可以使用字符串删除函数（如replace('\n', '')）来实现。 5. 写入新文件：将转换后的一行fasta格式序列写入一个新的文件中。可以使用适当的编程语言提供的文件操作函数来实现。 以上就是将fasta格式多行转为一行的具体步骤。通过执行这些步骤，可以将fasta格式的多行表达转换为一行的形式，便于后续的生物信息学分析和处理。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值