fasta序列按指定格式输出
前言：有时在处理fasta文件时，我们需要序列按照规定的格式排列。
很多人应该遇到过需要将序列排列到一行上，或者每行按照规定的bp数显示。我也经常遇到像60bp，70bp的不等长fasta序列共存于同一个fasta文件中的情况，为了避免不同长度对后面的处理造成影响，一般最好将格式统一。
fasta file format:
虽然是个小问题，但是却有很多不同的方法来实现这些操作，那接下来还是以举例说明，讲解一些方法来实现上面讲到的两种格式排列。
1、这里我使用全长158bp，60bp每行显示，最后一行38bp排列的两条fasta序列组成的fasta文件来举例。
test.fa：
$ cat test.fa >chr_test1GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC>chr_test2GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC2、首先是使用awk排列到一行：
$ awk '/^>/ { if(NR>1) print ""; printf("%s\n",$0); next; } { printf("%s",$0);} END {printf("\n");}' test.fa >chr_test1GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC>chr_test2GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC3、另外biopython处理fasta、fastq文件也很方便，也有相应的解决办法。
biopython中默认是按照60bp每行输出的，如果去查查它的帮助文档，可以查到FastaWriter可以在写出文件中指定fasta序列的wrap（换行？）数目：
我写了一个biopython版本的，可以用它指定的参数nwrap完成上面的两种操作，设置nwrap为0时即显示到一行上。
wrap_xbp.py:
import argparsefrom Bio import SeqIOfrom Bio.SeqIO.FastaIO import FastaWriter
###usage descriptiondescribe=argparse.ArgumentParser(description="Make Fasta Sequence in a Single Line or Wrap N bp One Line")describe.add_argument("-nwrap",help="n base per line;default=0 means seq in one line",default=0,type=int)describe.add_argument("orgf",help="Original fasta")#原始fasta文件describe.add_argument("optf",help="Output fasta")#修改格式后的输出文件args=describe.parse_args()
###handle to output and FastaWriter to make normalized outputoutput_fasta = open(args.optf,"w")#打开文件句柄用于写出文件writer = FastaWriter(output_fasta,wrap=args.nwrap)#设置写出格式writer.write_file(SeqIO.parse(args.orgf,"fasta"))#读取原始文件并按照要求格式写出output_fasta.close()#关闭文件句柄运行得到50bp每行的输出文件test_50wrap.fa
$ python3 wrap_xbp.py -nwrap 50 test.fa test_50wrap.fa
$ cat test_50wrap.fa>chr_test1GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC>chr_test2GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC4、另外bbmap也有很快捷易用的reformat.sh来进行相同的操作。
按照50bp每行排列：
$ ~/tool/bbmap/reformat.sh in=test.fa out=test_out2.fa fastawrap=50结果文件按照50bp每行排列：
$ cat test_out2.fa >chr_test1GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC>chr_test2GATCACAGGTCTATCACCCTATTAACCACTCACGGGAGCTCTCCATGCATTTGGTATTGCAGTATCTGTCTTTGATTCCTGCCTCATCCTATTATTTATCGCACCTACGTTCAATATTTTTTAACAGTCACCCCCCAACTAACACATTCCAACTAACC当然也可以规划到一行显示，只需要设置大一些即可：fastawrap=50000000000
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-12-24，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读