【Bioinfo Blog 005】【Python Code 001】——FASTA文件处理

格式说明

FASTA格式是一种基于文本用于表示核苷酸序列（或氨基酸序列）的格式。碱基对（或氨基酸）用单个字母来编码，且允许在序列前添加序列名及注释。

>gi|46575915|ref|NM_008261.2| Mus musculus hepatic nuclear factor 4, alpha (Hnf4a), mRNA
GGGACCTGGGAGGAGGCAGGAGGAGGGCGGGGACGGGGGGGGCTGGGGCTCAGCCCAGGGGCTTGGGTGG

FASTA格式以“>”开头，紧接着序列的标识符
换行后是序列信息，代表某一条链从5’到3’的序列，一般不超过80个字符

FASTQ转FASTA shell脚本：

awk '{if(NR%4 == 1){print ">" substr($0, 2)}}{if(NR%4 == 2){print}}' fastq > fasta

FASTA文件处理

文件读取

无需对序列进行处理时

## param file: FASTA格式的文件
## return: None

def fa_cat(file):
    for line in open(file):
        print(line.strip())

fa_cat("test1.fa")

需处理序列并输出成FASTA时

## Read the file
fa_in = open(