5.修改fasta文件成规范文件

 今天遇到一个小问题，整理的fasta参考序列并不规范，如下图所示：

碱基是小写的，并且还空行了，碱基序列不连续，那怎么变成正常的呢？（见下图）

在服务器里我们创建一个py脚本

nano format_fasta.py

 然后把下面代码复制进去

#!/usr/bin/env python

import sys

def format_fasta(input_file, output_file):
    with open(input_file, 'r') as infile, open(output_file, 'w') as outfile:
        sequence = ''
        for line in infile:
            line = line.strip()
            if line.startswith('>'):
                if sequence:
                    outfile.write(sequence + '\n')
                outfile.write(line + '\n')
                sequence = ''
            else:
                sequence += line.upper()  # 将序列转换为大写
        if sequence:
            outfile.write(sequence + '\n')

if __name__ == '__main__':
    if len(sys.argv) != 3:
        print("Usage: python format_fasta.py input.fasta output.fasta")
    else:
        format_fasta(sys.argv[1], sys.argv[2])

然后我们运行脚本：
./format_fasta.py reference.fas formatted-reference.fas

#其中reference.fas是原来的参考库，formatted-reference.fas是规范后的参考库

大功告成！

关注我，以后的内容更精彩哦。
另外如有错误欢迎指正！
b站号：羽球最强生信人

微信公众号：小秋的R语言笔记

闲鱼号/淘宝号：小秋家的小卖铺